字节跳动 · 头条
推荐算法实习生一面面经
完整信息
本篇目录
继续来分享下最近的面经~
1.手撕编辑距离
2.dpo grpo基本原理 损失函数构成
3.reward hacking解决办法
4.kl散度
5.llm做数据清洗
6.QA注入知识的作用
7.grpo在cot场景下不稳定怎么改进
8.grpo改进
9.dapo gspo聊一聊
10.transformer模型自注意力机制计算复杂度
本篇目录
当前问题0110
- 01
手撕编辑距离
- 02
dpo grpo基本原理 损失函数构成
- 03
reward hacking解决办法
- 04
kl散度
- 05
llm做数据清洗
- 06
QA注入知识的作用
- 07
grpo在cot场景下不稳定怎么改进
- 08
grpo改进
- 09
dapo gspo聊一聊
- 10
transformer模型自注意力机制计算复杂度