簡歷掛了三個部門（阿里和團(tuán)子，太狠了），自己在?？驼胰?，又給撈起來了。

面試官人不錯，樂樂呵呵的。

先自我介紹了一下，自我介紹的面試官真不多。

稍微問了下項目，有沒有遇到什么問題等等。

DPO loss 公式？手寫。這里忘寫出sigmiod，然后ref model的位置記混了，也給過了。

logits = (policy_good_logps - reference_good_logps) - (policy_bad_logps - reference_bad_logps)
loss = -F.logsigmoid(beta * logits).mean()

DPO 和 PPO 的區(qū)別？

T1:

找到有序數(shù)組中的最左邊的target 的index，二分。[1,2,2,3,4] 這樣，result_index=1.

T2:

nums 所有的子集。

回溯即可。

都不用運行，但是代碼留備份了。(QwQ)

概率題：

一個篩子，出現(xiàn)全部的六個面，需要投擲幾次？

反問：

推薦系統(tǒng)已經(jīng)很發(fā)達(dá)了，現(xiàn)在還能干啥？（技術(shù)紅利巴巴，總會有技術(shù)紅利的巴巴。）

推薦大模型是啥？（淘寶公眾號有，自己看。）大概就是輸入用戶的文本描述prompt，輸出item文本。

有什么建議？打了個哈哈，問下實習(xí)多久，說挺好的。沒啥建議。

我進(jìn)去后干啥？AIGC相關(guān)，淘寶的圖像視頻生成，怎么吸引顧客。

問了有幾面，說兩輪技術(shù)，一輪hr。（最好是，別整三輪技術(shù)了真的。）

最后許愿字節(jié)oc！