笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL笔记地址：https://github.com/jinbooooom/ai-infra-hpc，https://github.com/jinbooooom/OriginDL

SSP+ star差一点，要求比较高不够总包能对标人才计划了

题目叽里呱啦说了一大堆，实际上就是求每个t的最小值，加起来自然就是全部t的最小值了。这个t的表达式看着就有点像是高中见过的对勾函数，可以直接通过数学方法求最小值。在函数t中把欧式距离e看作常数，对k求导得令导数为0，可解得k为注意到我们求得的k可能会小于0，当小于0的时候令其等于0即可。然后再回忆一下c语言中的对数函数求自然对数 ln(x) 的函数为 log(x)求以10为底的对数log10(x)的函数为log10(x)求其他底数的对数需要使用换底公式，如求以2为底的对数log2(x) 的函数为 log(x) / log(2) #include<iostream> #include...

给我面没招了，感觉自己好菜，发点面经攒攒人品1、 PPO 与 GRPO 的区别，分别介绍他们的优势与缺点2、 DPO 对齐训练的曲线是怎么样的，正例的概率会提升嘛3、 Deepseek -R1里面不仅推理能力很好，而且文采能力也很好，这个是个开放问题，如何让模型的文采能力也很好呢4、 DPO 如何解决回答过长的问题，除了正则5、开放问题：为什么现在大家都在关注于大模型的推理能力 reasoning6、对于一个 base model 如何增强大模型的 reasoning 能力7、模型选型时是否做定性定量对比ab test，客观数据验证文心性能不好了吗8、 DPO 除了长度问题还有其他的问题嘛，与问题2对应， reward hacking ？都没有奖励模型了