1.如果训练出来的模型在某一类任务上表现比较差，如何解决这个问题？2.如果DPO训练的过程中发现loss不降，如何定位原因？从数据构造和训练参数两个角度分析。3.有没有尝试过动态prompt，训练数据如何构造，如何保证policy正确？4.如果想把判别式任务转化成生成式任务，学术界有哪些常用方法，哪一种效果比较好有对比过吗？5.数据的难度分层是如何做的，为什么没使用困惑度？6.如何确保分层的准确性，用大模型进行分层为什么没有尝试更大的模型？7.做CPT时的数据量级，数据处理的pipeline？8.CPT的数据配比是什么样的，有没有考虑CPT后通用能力的退化问题？如何检验CPT后模型的通用能力？手撕：1、寻找重复数（转化成环形链表找入口来求解）2、手撕对比学习的loss计算3、手撕多头注意力

岗位偏感知，传统的CNN。经过了这几段实习，个人觉得有什么成长和收获。我说对算法工程师这个职业有了更多的认识，少数人在做基础研究，大部分还是在做应用研究。不是很匹配。做题，主要考察代码细节，对边界条件的把握，以及debug的能力。题目本身不难，主要是细节问题。贪吃蛇。题目大致是这样的 第一行为两个正整数m和n。 接下来m行，每行有n个字符，表示游戏开始时的区域状态。“+”表示蛇头，“o”表示蛇的其它节，“*”表示食物格子，“#”表示障碍格子，“.”表示空白格子。 接下来一行为一个正整数P，表示POPO接下来操作方向键的次数。 接下来一行为一个长度为p的字符串，表示POPO第次操作哪个方向键，“...

一面 1.sft数据长什么样，困难case是什么样？2.有没有考虑做数据增广，有哪些数据增广的方式？3.query不规范，导致召回难度大，如何解决？4.如果原始训练数据当中存在大量噪声，如何去除这些噪声对模型的影响？5.手撕：爬楼梯二面：1.RAG系统的架构，每一个模块的作用，文本截断的长度是多少？2.除了向量召回和关键词召回，还有哪些召回方式，了不了解全文召回，如何做的？3.向量召回，关键词召回，实体召回等不同召回链路召回的结果如何合并，哪一个优先级更高？4.query改写之后改写成什么形式去召回？5.DPO的原理，损失函数如何计算？6.GRPO的原理，损失函数如何计算？7.在linux系统当中查看端口是否被占用的命令行是什么？8.让进程在后台运行的命令行是什么？9.如何快速对一个list去重，如果list的长度非常长（且不改变数据格式）10.手撕：最长回文子串

rt，鼠鼠是27届的，想在一月份或者春招的时候找到一份日常或者暑期实习，目前跟着UNITY教程做了一个2D冒险游戏Demo(B站上的类银)，想知道现阶段应该强化C++和计算机基础八股还是得抽空再搞一个3D的Demo。鼠鼠bg是9本2硕非科班，想知道各位佬有什么见解。