开发与非开发

1. 自我介绍2. 项目拷打，重点说训练目标、数据构造和效果闭环3. SFT 的损失函数怎么计算，如果样本长度差异很大要注意什么SFT 本质上还是标准的 next-token prediction，常见就是对目标输出 token 做交叉熵损失。对于指令微调来说，通常不会对整个输入输出序列都算 loss，而是只对 assistant 部分或者需要学习的 target 部分做 mask。这样模型重点学习回答分布，而不是把用户输入再复述一遍。样本长度差异很大时，最需要注意的是 loss 的归一化方式。如果直接对 batch 求和，长样本会天然占更大权重，训练会向长回答风格偏移。更稳的做法通常是按有效...

大公司进不去，小公司天花板，本人很想找一个能进的中厂而且有发展前景的，求大佬指点！！！把我收了吧！😭😭😭

这个是流程终止了吗

最近参加了几场Agent专项面，有个非常刁钻的趋势：面试官开始反思“过度智能化”的问题。比起炫耀模型的能力，他们更想看你作为开发者，如何处理资源边界与业务对齐。核心考点一：Token 经济学与“长效记忆”的取舍面试官常会问：“如果任务链路极长，上下文爆了怎么办？”别只回答“滑动窗口”或“向量检索”。现在的深度考点是“记忆的结构化存储”。考点： 你是否设计了类似计算机操作系统的“缓存交换”机制？深度回答： 聊聊如何将非结构化的对话，实时提取并更新到结构化的知识图谱或数据库中。这样Agent下一次读取的是“属性值”，而不是翻看几万字的聊天记录。这考查的是你对信息压缩率的控制能力。核心考点二：如何定...