不幸被裁员为找工作准备（大语言模型方面）

已经10年没有投过简历了，现在不得不从头开始，希望自己积极面对。
请问大家，如果想找大语言模型方向的产品开发，应用，咨询方面的职位（目前的设想是能在大厂找到职位），需要刷题吗？我虽然过去1-2年都在做这方面，有实操，但是不知道现在面试的大概过程是怎样的。如果马上让我编程做题，估计是通不过的。

目前的设想是能在大厂找到职位

本人完全没能力面到大厂，所以帮不上忙。
但是如果有朋友target小厂，基本上是lc前300道里边的easy+medium一轮，讲自己做过的项目+BQ一到两轮，然后llm sys design一轮。lc轮，就是看你能上手写代码就行。其余的，ml sys design基本套路+吹吹prompt eng（简单cot），langchain，function calling和rag，然后怎么针对generative model做evaluate，知道最基础的知识就够聊了。lora这些fine tuning也可以讲，不过小公司一般搞不到这个。然后就是基础的ml统计，precision recall ROC p-value这些。
llm很新，小公司追不上技术进展，面试很水的。考的就这些，以前做过相关工作，知道简单概念就行，剩下的就看你跟hm的眼缘了。

LLM 方向还愁啥。羡慕楼主，估计 linkedin po 一下 找机会。估计邮箱都要被 recruiter 点炸了。

油冬冬 发表于 2025-5-17 12:20
就是工作中用不到LLM，只有一个是call llm api(公司内部还wrapper了一下，不是直接call open ai这种)来su ...

编啊。
写summary，不得让它来回修改吗，这就可以用cot给他持续任务。
如果输入是长文章，那就得分chunk存储，就写成rag。当然最好编search、qa场景更适合rag。
针对里边的信息，要call api搜索网上文档，或者需要refer之前的东西，或者需要根据文档提供的action item去操作，这都可以function calling。
写完肯定要做eval。
数据怎么收集的？需不需要人来给label或者llm label？有了label数据，能够评价summary质量，那就可以返回来fine tune llm。
有的llm生成，有的修改，有的执行，有的评价，就是multiagent。
不是说非要你做过这些，但项目有了，框架就有了，剩下的看你怎么编了。
而且如果你编到了，其实就可以回过头用在你们的项目上做提升啊。

刷题+系统设计+behavior questions
大厂基本都这个套路。边投边刷，面中练，good luck.

还是刷题吧，毕竟还是需要coding能力的。按照中等难度+tags题准备。

抱抱楼主
请问有身份限制吗？对找工的时间有要求吗？
这些信息提供一下大家也更好帮助你。

find_advice 发表于 2025-5-16 18:28
本人完全没能力面到大厂，所以帮不上忙。
但是如果有朋友target小厂，基本上是lc前300道里边的easy+medi ...

lc现在都有3000多道，重点还是前300吗？小厂请问在湾区吗，面试好拿不，没有相关LLM经验，自己上的网课和项目

find_advice 发表于 2025-05-16 18:28:33
本人完全没能力面到大厂，所以帮不上忙。
但是如果有朋友target小厂，基本上是lc前300道里边的easy+medium一轮，讲自己做过的项目+BQ一到两轮

请问一下小厂指的是大概哪些公司？我现在急需找个公司transfer h1

油冬冬 发表于 2025-5-17 01:15
lc现在都有3000多道，重点还是前300吗？小厂请问在湾区吗，面试好拿不，没有相关LLM经验，自己上的网课和 ...

小厂前300都多，挑挑简单的就行了。因为他不是通过这轮来做筛选，就是看看你会写基本的代码，能上手干活而不是吹牛就行。
主要还是看背景，和基本的知识储备。我不在湾区。上网课的项目不大够，不知道你有没有工作经验，如果有的话，可以把你的项目写（编）在工作经验里就好了。
面试对我来说不好拿，交申请要走量，得运气好被hr看到。但小厂绝对数量也多，使劲投就行了。

张鱼 发表于 2025-5-17 04:00
请问一下小厂指的是大概哪些公司？我现在急需找个公司transfer h1

不透露现在的公司了，上一个面试的叫deepgram，LLM方向。
Google搜索：
Deepgram is a company specializing in AI-powered speech-to-text technology and related voice AI solutions.
Here's a breakdown of what Deepgram does:
Speech-to-Text (STT): Deepgram's core technology focuses on accurately converting spoken language into written text.
Audio Intelligence: They provide tools and APIs for analyzing and extracting insights from audio data, going beyond just basic transcription.
Text-to-Speech (TTS): Deepgram also offers technology to convert written text into natural-sounding, human-like synthetic speech.
Voice Agent API: They provide a unified API to build and deploy AI-powered voice agents.
Deepgram's technology is used in various applications, including:
Transcription: Converting audio and video recordings into text.
Voice Analytics: Extracting insights from spoken language data.
Voice-enabled applications: Building voice interfaces for software and devices.
Conversational AI: Developing interactive voice agents and chatbots.
As for the number of employees:
Deepgram has approximately 180 employees.
They are a remote-first company with employees distributed across more than 20 states and 5 countries.