题解 | #格式化输出（三）#

情况:面完一面过了一周，HR直接发了OFFER，没有二面，已ocPPO与GRPO的区别，分别介绍他们的优势与缺点DPO对齐训练的曲线是怎么样的，正例的概率会提升嘛,参考这个知乎回答:Deepseek-R1里面不仅推理能力很好，而且文采能力也很好，这个是个开放问题，如何让模型的文采能力也很好呢？介绍你在实习做的事情，有遇到什么case嘛，怎么解决的deepseed介绍deepspeed的每一段的通信比较，zero3分别是0和2的多少倍，1.5倍DPO如何解决回答过长的问题，除了正则开放问题：为什么现在大家都在关注于大模型的推理能力reasoning对于一个base model如何增强大模型的re...

真正开发项目中是多个人开发一个项目的，需要进行代码的管理，可以使用 版本控制工具 git。 进入 ld 给你代码让你拉到本地看代码，给新的需求让你新拉一个分支，在新的分支上面写，写完之后在 pull request 请求合并。 master ||dev 分支是最完善的代码分支，其他分支是用来开发的。这个分支可能会绑定一些自动化部署的比如 jekins 等，实现代码的 CI\CD 流程。 自己新建一个分支，写完代码 push 上去后，经过 mt 查看你的代码，发现没有什么问题之后再进行mt 进行 merge 代码。 整个的业务流程 拉去主分支代码 首先 dev 分支上面是最新的代码，每次都...