淘天一面 暑期

简历挂了三个部门（阿里和团子，太狠了），自己在牛客找人，又给捞起来了。

面试官人不错，乐乐呵呵的。

先自我介绍了一下，自我介绍的面试官真不多。

稍微问了下项目，有没有遇到什么问题等等。

DPO loss 公式？手写。这里忘写出sigmiod，然后ref model的位置记混了，也给过了。

logits = (policy_good_logps - reference_good_logps) - (policy_bad_logps - reference_bad_logps)
loss = -F.logsigmoid(beta * logits).mean()

DPO 和 PPO 的区别？

T1:

找到有序数组中的最左边的target 的index，二分。[1,2,2,3,4] 这样，result_index=1.

T2:

nums 所有的子集。

回溯即可。

都不用运行，但是代码留备份了。(QwQ)

概率题：

一个筛子，出现全部的六个面，需要投掷几次？

反问：

推荐系统已经很发达了，现在还能干啥？（技术红利巴巴，总会有技术红利的巴巴。）

推荐大模型是啥？（淘宝公众号有，自己看。）大概就是输入用户的文本描述prompt，输出item文本。

有什么建议？打了个哈哈，问下实习多久，说挺好的。没啥建议。

我进去后干啥？AIGC相关，淘宝的图像视频生成，怎么吸引顾客。

问了有几面，说两轮技术，一轮hr。（最好是，别整三轮技术了真的。）

最后许愿字节oc！