腾讯wxg暑期实习还愿帖

论文题目：DeepCritic: Deliberate Critique with Large Language Models论文地址：https://arxiv.org/pdf/2505.00662论文详解：https://mp.weixin.qq.com/s/6eridKO3iB1jO_W8Vwb7cg文章的核心贡献是提出了一个名为 DeepCritic 的新型两阶段框架，用于开发能够对数学解题过程的每个推理步骤进行深入批判的 LLM critics。实验结果表明基于 Qwen2.5-7B-Instruct 开发的 DeepCritic 模型在多个错误识别基准测试中显著优于现有的 LLM critics（包括同尺寸的 DeepSeek-R1-distill 模型和 GPT-4o），并且能够通过更详细的反馈更有效地帮助 LLM 生成器修正错误步骤。两阶段训练方式第一阶段：监督式微调（SFT）：通过利用 Qwen2.5-72B-Instruct 生成 4.5K 长篇批判作为种子数据进行监督式微调，使模型能够生成包含多视角验证和深入批判的批判内容。第二阶段：强化学习（RL）：在监督式微调的基础上，进一步通过强化学习优化模型的批判能力。强化学习的数据来源可以是现有的人标注数据（如 PRM800K），也可以是通过蒙特卡洛采样估计正确性自动标注的数据。

一、什么是元组解包？Python 的元组解包（Tuple Unpacking）是一种 "开箱即用" 的语法糖，让你可以轻松地从容器中提取数据。用 "拆快递" 的例子解释就是：你网购了一箱奶茶（没错，打工人的快乐就是这么简单），快递盒上写着“内含：奶茶×1 + 订单号×1”。当你拆开盒子，会​​顺手把奶茶和订单号一起掏出来​​——左手拿奶茶（想喝），右手捏订单号（怕丢）。Python里的​​元组解包​​，就像你拆快递时的“顺手操作”：如果一个东西是“打包好的组合”（比如元组），你可以直接把它拆成几个变量，让代码更简洁！下面用一丢丢代码对元组解包的具体含义进...

事情是这样的，楼主马上毕业要去北京某大厂当社畜了。之前平时楼主在学校的时候，会稍微有一点点卷，为数不多的空余时间也都用来打打单机游戏写写代码了，也还挺开心自在的。但是一临近毕业，父母就开始各种催婚，让楼主很是烦恼。据说公司里面我们组内一般是晚上十点下班，忙的话可能会更晚，这样的话，工作日也没多少时间，双休估计也只想宅在出租屋休息了吧，这样还会有时间去谈朋友吗？由于楼主也没谈过恋爱，也不知道谈恋爱会不会花太多时间，感觉如果真要谈朋友的话，如果不能抽出很多时间陪她，似乎对她也挺不公平的，也不太利于关系的发展。于是楼主想请教一下参加工作的各位前辈，如何平衡工作和生活呢。

叠纸游戏测试一面#叠纸游戏校招# 之前找面经很少，我来贡献一份（不过感觉参考价值也不大）总体感觉：我这次遇到的叠纸面试官是一位男士，给人感觉非常和善，答得稀烂也没有一点不耐烦和轻视，最后甚至开始给我讲题感觉很好，春招还来自我介绍最近一份实习经历有测开，问了关于实习的内容1. 如何优化测试样例2.如何设计测试样例（我答了等价类划分，边界值，追问：这是输入方面的，其他方面有没有思路）3.介绍常用数据结构（有点忘了，最后我答的队列和栈）4.堆和栈区别5.双链表去重（我答的用哈希表，问有无其他方法，最后提示双指针，双重循环）6.简历项目（由于我裸面，一整个支支吾吾，面试官好心地没有问太多太深）7.一道...