最近春招和日常实习已开启。不同以往的是，当前职场已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

最近春招和日常实习已开启。不同以往的是，当前职场已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

知识图谱，作为人工智能和语义网技术的重要组成部分，其核心在于将现实世界的对象和概念以及它们之间的多种关系以图形的方式组织起来。它不仅仅是一种数据结构，更是一种知识的表达和存储方式，能够为机器学习提供丰富、结构化的背景知识，从而提升算法的理解和推理能力。在人工智能领域，知识图谱的重要性不言而喻。它提供了一种机器可读的知识表达方式，使计算机能够更好地理解和处理复杂的人类语言和现实世界的关系。通过构建知

最近已有不少大厂都在秋招宣讲，也有一些已在 Offer 发放阶段了。节前，我们邀请了一些互联网大厂朋友、今年参加社招和校招面试的同学。针对新手如何入门算法岗、该如何准备面试攻略、面试常考点、大模型技术趋势、算法项目落地经验分享等热门话题进行了深入的讨论。最近又认真读了一遍大佬的文章：朱小霖：DPO 是如何简化 RLHF 的。不由感叹，数学不愧是 AI 技术的第一生产力，但凡我当初对这个证明过程多深

举个例子，看这张图。看这张图，向前传播时，由于 s 是多个 z 共同决定的，所以需要求出 s 对所有 z 的导数，以 s1 为例，前向传播求梯度的时候，需要求出 s1 对 z1，z2，z3…这是阿里的一份大模型算法面经，可以看到，面试官避开了 rag，agent 这些热门考点，转而对大模型训练中的损失函数进行了深挖，很好的考察到了候选人的基本功。所以我们最后求偏导的时候，需要计算 i=j 和 i≠

比如我们假设某个任务 T 有 5 个子任务 Sub-T 构成，每个 sub-T 随着模型增长，指标从 40% 提升到 60%，但是最终任务的指标只从 1.1% 提升到了 7%，也就是说宏观上看到了涌现现象，但是子任务效果其实是平滑增长的。优点：相比于 Post-LN，Pre-LN 在深层的梯度范式近似相等，所以使用 Pre-LN 的深层 transformer 训练更稳定，可以缓解训练不稳定问题。

当前职场竞争激烈，求职者增多而岗位减少，要求也更高。为帮助求职者应对技术面试，我们整理了大厂面试题并发布《大模型面试宝典》(2025版)。上海人工智能实验室实习岗位竞争尤为激烈，HR反馈投递人数众多。无论是实习还是正式工作，提前准备至关重要。面试内容涵盖自我介绍、项目经验、技术问题及算法题，涉及大模型训练、微调、推理加速等。建议求职者尽早准备，以提升获得心仪offer的机会。

使用ollama create命令创建自定义模型。

参考： https://help.aliyun.com/zh/egs/user-guide/install-a-gpu-driver-on-a-gpu-accelerated-compute-optimized-linux-instance。最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。1）3090显卡的即可（如果本地有GPU机器，请用自己的），选择了

而o1在每个问题上使用一个样本平均解决了74%（11.1/15）的问题，使用64个样本的共识解决了83%（12.5/15）的问题，并使用学习到的评分函数对1000个样本进行重新排序后解决了93%（13.9/15）的问题。在其他一些机器学习基准测试中，o1也超过了最先进的模型。OpenAI 从GPT3开始转向闭源，很多技术细节都没有公布，OpenAI o1这次也不例外，网上很多人反馈想通过使用o1一