心态崩了

团队好像主要做内容治理，vlm，llm都有主要在问项目了，code是个medium，持续记录！- 如果训练了多个评测类型的reward model，比如针对3H评测的3个模型，在RLHF阶段怎么用它们？是直接加权还是分阶段用？- （针对简历项目提问）你在项目里是怎么做RLHF的？用DPO或PPO时，有没有遇到过训练不收敛或者效果不好的情况？可能是什么原因？网上常见的解决办法有哪些？- 偏好数据是怎么构造的？比如用户点击数据或者人工标注的偏好对，你是怎么处理的？- 全参微调和LoRA各有什么缺点？在实际项目中，你是怎么决定用哪种方法的？- 位置编码在Transformer里很重要，能介绍一下常见的位置编码方法吗？比如绝对位置编码、相对位置编码这些，它们各自有什么特点？#牛客AI配图神器#

2026届研发实习生（暑期）已OC ----------------------------------------------------------------------------------------------------------------------------0316 一面1.自我介绍2.项目相关问题3.少量八股4.手撕：类似LC295数据流的中位数----------------------------------------------------------------------------------------------------------------...

如题，要催一下吗，状态也没变，还是面试中

自我介绍项目。用文本进行图像搜索项目，用户的输入文本和训练使用的有偏差怎么办（例如比较口语化）？从现场弄一些数据进行微调，或者给用户一下提示，让用户知道怎么样能更好的匹配。无做题。反问：岗位相关。为什么支付宝现在支付会减几块钱？以及碰一碰。因为wx一般大家都是打开的，买东西的时候，不用切换app进行支付。简单的优势就导致支付宝落在了下风，因此用优惠和碰一碰来和wx竞争。40 min结束。一分钟后面试通过。蚂蚁的面试流程真是舒服啊！