滴滴内推

面试官：目前有哪些post-training方法今天老师给大家详细分析一道大厂算法面试真题:目前有哪些post-training方法，供各位同学参考。✅回答：当前主流的后训练方法包括监督微调、基于人类反馈的强化学习（RLHF）、直接偏好优化（DPO）、专家迭代（EI）以及它们的变体（例如：RLAIF、PPO、ORPO、）。然而，后训练方法在LLM部署之前增加了一个相当复杂的过程。✍🏻详解：1️⃣基于人类反馈的强化学习（RLHF）： 基于人类反馈的强化学习是一种将人类偏好和意见引入强化学习过程中的方法。RLHF将人类的反馈作为奖励信号来指导模型学习。人类可以通过提供对模型行为的偏好、反馈或排序，帮助模型更好地调整策略来适应人类的偏好，就是更懂你。2️⃣直接偏好优化（DPO）： 直接偏好优化是一种优化技术，主要通过直接学习模型在不同情境下对不同偏好的评估，来提高模型的性能。注意，它是直接优化偏好，在本质上其是通过排序的思想构造了一个优化函数，然后推导为最后可直接优化的损失，比起来RLHF的思想它更简单，大体就是改个损失就可以了。3️⃣专家迭代（EI）： 专家迭代是一种通过模仿专家行为并不断迭代改进模型的方法。在专家迭代过程中，模型首先通过观察专家的行为来学习。然后，通过模拟和优化这些行为，模型根据专家的反馈或策略进行改进。这个我没有用到过，只能说个大概。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

📍面试公司：腾讯👜面试岗位：客户端开发（部门：QQ）📖面试问题：问项目，自己的工作内容对自己影响最深、最值得说的项目Qt槽函数是什么，有什么作用进程和线程有什么区别了不了解协程HTTP属于哪一层传输层的作用HTTP和TCP的关系HTTP3和前面版本的区别，为什么使用UDP（后来反思感觉提问的重点是QUIC）了不了解C++中的智能指针，智能指针有哪几种智能指针的作用什么是内存泄漏，如何导致内存泄漏，举例说明C++中的引用是什么，有什么作用数据库相关，但是不太了解手撕：删除有序链表中重复的元素🙌面试体验：处女面，很珍惜这次面试机会，主要为了学习和锻炼，面试官很好，前面和我聊了对岗位...

CCTC三环集团25届春招正式启动❗往届同学也可以投递【公司介绍】国家高新技术企业、国家技术创新示范企业、中国制造业单项冠军示范企业、中国电子元件百强企业、全国领先的电子元件、先进材料产业基地。【招聘对象】2022-2025届海内外应届毕业生【招聘岗位】研发类、机电类、商务类、职能类、技术支持类等五大类34种岗位需求（详情请看投递链接，各专业均有匹配岗位）【工作地点】广东潮州、深圳；四川成都、德阳、南充；江苏苏州；湖北武汉；泰国春武里等【福利待遇】有竞争力的薪资（年底双薪、绩效奖励）+五险一金+带薪年假+免费班车+自助餐厅+员工公寓+团建中心【内推链接】https://hr.cctc.cc/school?sourceCode=861049&isRecommendCode=true【内推码】861049（简历优先被筛选）投递的同学评论区留下【姓名缩写+岗位】，方便及时跟进 #春招#                                                                                                               #校招#                                                                                                               #内推码#                                                                                                               #秋招#                                                                    

腾讯二面的场景题，设计微信运动的排行榜，使用 Redis 的 Zset 数据结构来实现。 下面是我自己的分析，欢迎交流和补充，你提的更多问题，我会添加到文章中，提供给大家去思考。 需求分析: 1.存储所有用户的微信步数，使用什么结构，key value 分别是啥？ 因为要存储每一天的数据，key 可以是：业务名称加上日期，value 是用户的 ID、score 就是对应的步数。 2.不同用户有不同的好友，每个人要单独实现一个排行榜吗？ 不用，只需要维护一个排行榜，每一个用户都有自己的好友列表，可以用 Set 来存储，拿到好友列表之后，通过 ZScore 拿到好友 ID 的步数，排序之后返回给前...