双非本,211硕,搞自动驾驶感知部分的,主要是lidar数据处理的,或者和相机,毫米波雷达感知融合的。推荐一下能在合肥找什么工作呀?
全部评论
滴滴美团都可以
1 回复 分享
发布于 2022-09-12 20:10 江苏
这不会是我杰哥大佬吧
点赞 回复 分享
发布于 2022-09-12 21:10 黑龙江
前辈请问去哪里了呀
点赞 回复 分享
发布于 2024-04-16 20:56 山东

相关推荐

奇瑞 自动驾驶感知融合岗位 8.7*13.5 硕士
点赞 评论 收藏
分享
线上面试1 一分钟自我介绍讲了自己的学习情况和校园实践活动,但是没有讲到自己的前端学习经历,因为时间到了我就没继续讲了。2 介绍一下#前端#收获最多/影响最深的的项目3 如何理解MVVM的开发模式和优势4 掌握的框架有哪些5 开发工具掌握哪些? 包括但不限于IDE这里我只回答了vscode,现在想想可能也包括elementUI,vantUI,pxcook像素大厨,copilot。然后aipfox这种模拟后台数据是不是也算?node.js webpack是不是也可以说,ai辅助编程,vscode内嵌Copilot辅助编程?6 对html5的理解我回答可能学习的时候都有学,没有区分h5和之前的差异。这里没回答好,应该回答新增加的更有语义化的标签,比如nav,header之类的。以下是从w3c复制下来的新特性——————————————————————————————————新的语义元素,比如 <header>, <footer>, <article>, and <section>。新的表单控件,比如数字、日期、时间、日历和滑块。强大的图像支持(借由 <canvas> 和 <svg>)强大的多媒体支持(借由 <video> 和 <audio>)强大的新 API,比如用本地存储取代 cookie。————————————————————————————————————7 说说react和vue的区别个人正在学习react,对react了解比较浅,回答react的文件格式jsx,react就是template,script,style的vue文件8 如何看待AI技术对程序员的影响我说是一把双刃剑、有着正负面影响正面是帮助我们更好地,深入浅出地学习一门技术,负面是现在ai技术已经能够开发中小型,有面临事失业风险。9 前端如何做性能优化只说了组件的懒加载,cdn,后来想了想是不是防抖和节流也算是呢?webpack打包压缩代码体积是不是也算,缓存策略是不是也算?能想到很多,但是没有说出来,因为不确定。10 前端如何实现本地存储?不记得具体问题了localstorage?面试员没有继续问了。11 问会不会jquery不会12 js中的eval()函数是否了解?本人学识浅薄,没印象13 版本控制会什么?只会git。14 接下来前端学习计划先写完毕设,然后边学react,边巩固vue知识,复习前端3大基础知识15 反问问问两位面试员对我的建议和评价。一个人说还不错,就没了,我觉得应该是给我个面子,自己没实习经历,框架也只会vue,不要太打击我自信心,给我个台阶下才这么说。工作地点在哪:广州如果有幸通过面试,我会参加什么项目的开发?答:之后会安排,现在不确定。工作时间是怎么样的?答:HR面会和你聊这个问题。————————————————————————————————个人反思:自我介绍时,先介绍前端学习经历,有多余时间在讲讲大学学习情况和其他太过紧张导致思维短路,有些不确定的内容要大胆地说出来,答错当做没回答,答对的话能够加分。其实问题真的比我在牛客网看到的面试问题要简单很多,自己这段时间也准备了很多,可能准备的不太到位,当然也有我的紧张的老毛病。个人真正的第一次面试,自己的实力也确实比不上牛客网上其他的前端求职者,先了解自己的真实水平,再指定计划学吧。
点赞 评论 收藏
分享
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#
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客企业服务