03-21 17:53 大连理工大学 Python 发布于辽宁
关注
字节一面
1h
1. 为什么要用dpo，什么任务要用dpo，不用可以吗，用了好处在哪，能优化哪里
2. dpo ppo异同，dpo详细原理，loss
3. 任务为什么不能只用sft
4. 现在的推理模型是怎么训出来的，重点你感觉是哪里，哪里是让这些模型获得推理能力的点
5. r1原理
6. prm 和orm讲一讲，什么情况prm 什么情况orm，哪种更好，重点讲prm的优缺点，为什么现在的推理模型没有用prm
手撕。一个字符串列表，一个长字符串，判断长字符串是否能用这个字符串列表里的词组成。
没做出来，寄寄寄
1. 为什么要用dpo，什么任务要用dpo，不用可以吗，用了好处在哪，能优化哪里
2. dpo ppo异同，dpo详细原理，loss
3. 任务为什么不能只用sft
4. 现在的推理模型是怎么训出来的，重点你感觉是哪里，哪里是让这些模型获得推理能力的点
5. r1原理
6. prm 和orm讲一讲，什么情况prm 什么情况orm，哪种更好，重点讲prm的优缺点，为什么现在的推理模型没有用prm
手撕。一个字符串列表，一个长字符串，判断长字符串是否能用这个字符串列表里的词组成。
没做出来，寄寄寄
全部评论
啊啊啊啊啊啊哪有不疯的 楼主
楼主 大连理工大学 Python
第六点讲不明白，感觉面试官不是很认可我的回答，手撕也没做出来，很寄的感觉
，手撕也没做出来，很寄的感觉相关推荐
美团公司氛围 2254人发布 点赞 评论 收藏
分享
查看8道真题和解析 点赞 评论 收藏
分享
点赞 评论 收藏
分享