合合信息、作业帮
合合信息、作业帮 · 面经合集
完整信息
本篇目录
1.项目经历深挖
2.如何判断sft模型训好了可以做RL了
3.ocr模型目前都有集中架构，区别是什么，有什么优缺点，如何训练的
无手撕
9.20号NLP作业帮大模型算法工程师一面
1.dpo的奖励函数是什么，dpo和grpo相比哪个效果好
2.为什么模型在做RL的过程中会倾向于输出更长的样本
手撕：三数之和
9.22号NLP作业帮大模型算法工程师二面
1.dpo如何解决筛选数据不稳定的问题
2.其他的关于项目的一些问题
手撕：搜索旋转排序数组
本篇目录
当前问题0107
- 01
如何判断sft模型训好了可以做RL了
- 02
ocr模型目前都有集中架构，区别是什么，有什么优缺点，如何训练的
- 03
dpo的奖励函数是什么，dpo和grpo相比哪个效果好
- 04
为什么模型在做RL的过程中会倾向于输出更长的样本
- 05
手撕：三数之和
- 06
dpo如何解决筛选数据不稳定的问题
- 07
手撕：搜索旋转排序数组