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...

有没有好进的实习公司，想实习过度一下。

第一天来到工位的时候闹了个笑话，入职当天每个人工位上都有个新橙子，只有我的已经发霉好多天了，一开始还以为是什么新奇的抹茶橘子，我说大厂就是不一样进入大楼可以看到装修很新很华丽，当然每层也有贴心的空气检验合格报告工位很舒适，入职时配备了一台MacBook Air M3以及一台27寸2K显示器楼内有健身房、篮球场、食堂，还有不定期的小游戏小抽奖。（只是食堂有点小价格有点高东西有点少三天就吃腻了，还好有餐补让人好受些蚂蚁是有点强度的，但是能给的待遇感觉基本拉满了，各种细节，在里面上班会有一种你只要专心做好自己的工作，其他的都不用操心 ，看明年我会给大家分享啥，希望明年还能给大家继续分享...