硕士阶段的方向是强化学习,毕业后加入大厂做强化学习在游戏中的应用,已经有两年多了。这两年赶上了大厂很不好的光景,晋升被卡,涨薪变慢,真的是一言难尽。也算是openAI给饭吃,最近大火的大模型里用到了强化学习。因此想要尝试跳槽,换一份大模型方向的工作,做RLHF或者LLM-agents。
在boss上挂完简历,发现来聊的hr或者猎头倒是不少,可能是因为学历还有大厂光环暂时还有点作用。可是实际聊下来一圈以后,发现很多LLM岗位还是需要过往有NLP的经验,这个倒也是符合预期。对于阿里系(拆分后各个事业群独立招聘)、字节、百度等大厂,或者百川智能、360等比较头部有名气的中小公司,或许也能给到面试机会,但是在面试过程中一旦涉及到LLM具体的项目经验,像我这种完全空白的人来说只能尴尬地说没做过,背过的一些八股文也只能勉强应付。
面试一圈下来,拿了百度、美团、滴滴、快手这几家偏业务的算法岗位offer,但是跟大模型没啥关系,基本上都是各家业务的核心算法岗。感觉他们可能是因为这两年刚毕业一批人,空出一些hc,因为我这种强化学习背景的,只能说是业务算法的一个探索方向,不算是核心解决方案。大模型方向的offer,只拿到两个,打算选择其中一家。虽然现在大环境仍然不算好,跳槽有风险,尤其是创业公司,但是在大厂里温水煮青蛙也是困境。搏一搏,单车变摩托。下面是面试过程中记录的一些关于大模型、强化学习的问题,仅供参考。
1.
PPO算法中使用GAE的好处以及参数γ和λ的作用是什么?
2.
PPO算法和DQN算法的区别是什么?
3.
有哪些PPO算法的调参经验?
4.
在线强化学习和离线强化学习在技术和应用场景上有什么区别?
5.
强化学习和大模型之间的关联是什么?
6.
如何评估大模型中数据集的质量?
7.
目前国内一般选择基于哪些基座模型继续训练?
8.
国内做大模型的主要工作是哪几个部分?
9.
除了数据之外,还有哪些方向的工作可以进一步优化大模型的效果?
10.
大语言模型是怎么输出的,观察过输出的概率值吗?
11.
关于微调的方法有哪些?
12.
如果让你训练一个模型,基座,数据,finetune的方法怎么选?
13.
怎么解决大语言模型的幻觉问题,RLHF可以吗?
14.
是否看好国内做基座模型工作的前景,为什么?
15.
为什么模型越大,貌似更多地具备AGI的能力?这背后的逻辑是什么?
16.
介绍下对transformer的了解,网络结构相比于lstm有什么不同?
17.
transformer里用到的正则化方法有哪些?
18.
chatgpt训练过程中,奖励模型有更新吗?
19.
chatgpt强化学习训练阶段还有什么改进的空间和思路吗?
20.
直接用训练reward model的数据精调模型,而不用强化学习,是否可行?为什么?
21.
了解bert和gpt网络结构的细节及其差异吗?
22.
假如reward model不太准,怎么办?
23.
有做过大模型训练的实践吗,有哪些收获或者感悟?
坦白讲,这些问题对于有过大模型项目经验的人来说应该问题不大,尤其是有NLP背景的。但是如果目前工作内容和大模型无关,想要比较好的回答出上述问题还是有难度的。要准备好八股文,要对前沿的方向有了解,而且最好自己跑过大模型的训练,包括微调和对齐。
出自:https://mp.weixin.qq.com/s/rj60xMrziBU21TJ2v0S9Hw
本文档由网友提供,仅限参考学习,如有不妥或产生版权问题,请联系我们及时删除。
客服请加微信:skillupvip