前文：https://www.nowcoder.com/discuss/736956006466359296宝子们这个是后续！有字数限制了！宝宝们后续我写在这里！后面我发了之后他没发火，把我叫过去好好和我说了一下，然后换了别的给我，我俩后面没咋说话，但是感觉对我有点不满。比如前天的一个关于保险的汇总表，我核对完了以后让其他部门去改，他们昨天交过来之后，因为我在改这个绩效评估，他就主动说让我好好做报告，他来做。结果后面发完信息之后就说怎么我还没做完，我想着不是昨天你说你来，真的无语到 他就开始说我不会动脑筋，脑子不会转弯…

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...