攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2. grpo 和 dpo 以及跟最早的 ppo 有什么区别，这个你有了解吗？3.在做大模训练时，一般用全参数微调还是 lora 微调？简单描述下 lora 的原理。4.训练的优化器一般用什么？ Adam 跟 SGD 的显存相比哪个占比更高？5.对搜推有了解吗，比如精排、召回的模型？除了 FM 和 DeepFM 这种做特征交叉的结构，还有哪些其他的做特征交叉的结构吗？ DCN 了解吗？6.精排和召回的区别在哪，或者说为什么一般先做召回再去做精排？7.代码题： leetcode hot 100的题

前言 过去的很长一段时间里，我一直陷于技术FOMO  技术FOMO（Fear of Missing Out）指因担忧错失新兴技术、行业趋势或创新机遇而产生的焦虑，常驱动非理性投入或盲目跟风的决策行为。  所以也曾通过关注各个大 K 的账号来获取信息。但会发现一个问题，很多账号运行在不同的平台，想要全看一遍太浪费时间了。 但咱是程序员啊，这些重复简单的劳作是最能被程序代替的了。 RSS 订阅 这是一个流行于00年代的技术，很多静态聚合网站都支持。举一个Java程序员常见的例子，Spring Blog。 入口如下  Spring 家族相关的动态，比如某个产品的版本发布，最佳实践以及技术播客都会再此...

无非就是三种情况：1.有好的bg。这种就是可以靠好的bg去中大厂积累经验，拿个好title，这样在校招中更有竞争力。哪怕现在没有实习经验，可以去GitHub找几个有质量的项目，去刷刷算法题琢磨琢磨算法，花个把月时间去积累项目经验和提高应试的能力，最后再加上本身的bg，肯定能找到一个很不错的工作的。不要怕时间晚而去将就一个小厂，因为在本身有个好bg的情况下，只要你本身技术不差，再花点时间冲一冲，大厂就在前面等着你。2.无好bg，但是有好经验。好的经验是什么？可以是一份好的实习，是一个好的项目，也可以是参与过开源，发过期刊等等。在这种情况下，我的建议也是去冲一冲中大厂，因为往往有着这些成绩已经超越绝大多数了，同时也比一些bg好的同学进度快很多。所以还是去冲一冲大厂，然后争取校招拿大厂Offer，因为没有大厂实习的不怎么好的bg一般都比较难有大厂Offer。3.无好bg，无好经验。这种情况就是，既没有实习经验，或者是有一俩段小厂经验但是没大厂经验的。这就得分情况了，有一俩段小厂经验可以去冲中厂和大厂，拿着小厂经验去包装简历，然后再搞搞专业知识和算法。没有实习经验的，也没有好bg的，可以去小厂锻炼自己，当然也要有自己的节奏（不要当螺丝钉，要学会“摸鱼”提升自己），俗话说：不转正的实习生就是✌。PS：以上观点仅代表个人，当然萝卜青菜各有所爱，总之要有自己的职业规划，选择自己喜欢的方式就可以了。

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...