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...

笔试时间：2025年3月7日 春招实习 第一题 题目：小红的字符串 小红拿到了一个01串s。 她将进行恰好一次以下操 作:选择下标i,j(i≠j)，交换si和sj。 小红想知道，不同的操作方案，最终能生成多少不 同的字符串？ 输入描述 一个仅由'0'和"1'构成的字符串。字符串长度不小于2，不大于200000。 输出描述 一个整数，代表最终的方案数。 样例输入 1100 样例输出 5 说明： 共有以下5种不同字符串: 交换第一个和第二个字符，形成1100 交换第二个和第三个字符，形成1010 交换第二个和第四个字符，形成1001 交换第一个和第三个字符，形成0110 交换第一个和...