许愿中国银行软件中心offer（来还愿啦～）

面试完在写面经呢，一看邮件，5分钟的时间给我挂了，笔试也直接给取消了。面试官整个过程都是笑呵呵的，问题也基本答上了，整场体验感挺好的，本来以为稳操胜券，结果被他装糖阴了一手（反问环节还问他后续的面试流程，丢人丢大发了）。整个过程太抽象了，简历项目是一个没问，倒是对我简历上写的个人技能（熟悉什么东西）逐个进行了一次 DFS，越问越离谱，最后跟 AI 应用完全没啥关系了。问的问题太多了，不太能完全回忆起来，只能回忆一下大致有哪些问题，详情如下：1. 简历上写的熟悉 C++ 语言，问的问题：平时用的什么标准的 C++ 语言；是否了解模板；用过什么 STL；set 和 map 是否了解，底层怎么实现的...

求内推

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

DDPM 和 DDIM 的区别是什么？ 第一步：前置小知识（重参数化技巧） 在扩散模型中，我们最常用到一个技巧：如果你有一个符合正态分布的变量 （均值为 ，方差为 ），我们可以把它拆成：  这里的  是一个标准正态分布的纯噪声 。 直白点说： 任意状态 = 确定的基础值 + (随机噪声  噪声强度)。记住这个公式，它是贯穿整个推导的灵魂。 第二步：DDPM 的基础设定（从头到尾加噪） 在原来的 DDPM（去噪扩散概率模型）中，我们有一个清晰的正向加噪过程。 假设我们有一张清晰的图像（或者机器人的一个完美动作），叫做 。我们在它上面不断加噪声，加到第  步时，它变成了 。 DDPM 证明了一个极...