📍面试公司：同花顺👜面试岗位：C++开发（实习）📖面试问题：1. 时间安排是怎样的，是否可以来实习？2. 介绍项目，针对项目提问，项目中为什么选用grpc, 有没有了解过其他rpc框架？3. C++八股（mutex和lock_guard、智能指针、map和unordered_map、虚函数与纯虚函数）4. 介绍一下Linux中fork系统调用的原理5. 假如你自己写的程序出现了CPU或者内存占用过高的现象，你应该如何排查？6. 平时怎么调试程序，使用gdb的场景多吗，知道哪些调试指令？7. 假如有一个程序，可能是你以前开发的，也可能是你的同事开发，现在希望对这个程序的内存和CPU占用进行优化，你接手这个项目之后应该怎么做？8. 实现一个查找结构，支持20w数据量的对象存储，要求快速匹配某个对象时候在这个存储结构中，需要支持插入对象、删除对象、判断对象是否存在等操作，要求线程安全且能抗住每秒100w的查询请求。（10分钟现场写C++代码进行实现）🙌面试体验：面试官人很好，项目介绍占了面试主要部分，基本的八股也不是很复杂，就是对性能优化的考察让我有点措手不及，最后本来以为是leetcode算法题，结果是这种，当时确实脑子有点懵了。#牛客AI配图神器##软件开发笔面经#

T1 模拟 按题意模拟 #include <bits/stdc++.h> using namespace std; int main() { int n; scanf("%d", &n); string s(n, 0), t(n, 0); scanf("%s%s", s.data(), t.data()); for (int i = 0; i < n; ++i) if (s[i] == t[i]) s[i] = toupper(s[i]); els...

一、训练范式与核心技术1. 强化学习主导- DeepSeek-R1基于大规模强化学习（RL）完成后训练，其强化学习训练占比超过95%，甚至存在完全依赖RL的DeepSeek-R1-Zero版本。- 传统指令模型（如文心、ChatGPT O1）则更依赖监督微调（SFT）和人类反馈的强化学习（RLHF）。2. 冷启动与多阶段训练- DeepSeek-R1通过引入高质量“冷启动”数据辅助初始阶段学习，并结合多阶段训练策略（如拒绝采样）提升推理能力。- 而指令模型通常直接从预训练模型通过SFT对齐人类偏好。二、能力与任务适配性1. 复杂推理能力- DeepSeek-R1专门针对数学推导、代码生成、逻辑分析等复杂任务优化，其推理过程中支持自我验证、错误检测及多路径探索。- 指令模型更侧重通用对话和指令理解，在复杂推理任务中表现较弱。2. 生成质量差异- DeepSeek-R1的纯RL版本（R1-Zero）存在生成内容可读性较低的问题，需通过混合训练策略改进，- 而指令模型因依赖SFT数据，输出更符合人类语言习惯。三、架构设计与成本效率1. 优化算法创新- DeepSeek-R1采用Group Relative Policy Optimization（GRPO）等新型RL算法，支持无监督条件下的推理能力进化。- 指令模型通常沿用PPO等传统RLHF算法。2. 成本优势- DeepSeek-R1在同等性能下成本比OpenAI o1系列低30倍，且在数学、代码基准测试中达到甚至超越Claude 3.5 Sonnet等模型。四、应用场景与合规性1. 垂直领域适配- DeepSeek-R1更适用于科研、金融等高精度推理场景，- 而ChatGPT O1等指令模型偏向通用客服、教育等泛化场景。 #产品经理#  #Ai产品经理#  #AI#  #牛客创作赏金赛#  #牛客激励计划#

40分钟一、实习介绍一下做了什么整个项目设计流程，如何抽象如果新加一个任务，有哪些需要改动二、算法题先递增后递减的数组，求不同的数的个数，要求不改原数组，0(1)空间复杂度。双指针三、反问 部门做券相关 主要用golang