求教

鼠鼠现在掌握go后端的技术栈，redis kafka微服务 docker这些。暂时无法出去实习，还需要自学到明年六月份。现在大模型开发很火热🔥，后续是继续精进后端，学习点皮毛的llm，还是后端止步于此，all in大模型开发（python水平仅限于用过flask）bg普9本28届 不打算读研

本人双九，无论文，研一，有时间多实习，能做大模型吗

TimeLine：9.9 一面9.11 二面9.13 三面9.17 hr面一定要过啊，我可是把东子拒了等你更新：已oc

面试迟了大概半个小时。说是前面的人没面完。好像他们面试是专门留一天面的。自我介绍，做题。面试官问我会啥，说就是走个流程。leetcode 打家劫舍。主聊项目，考察对 VLM 的理解，CLIP的理解。问Long CoT 如何定义？32k及以上。反问工作强度和业务应用。很累。面完直接第二轮。高强度面试wok。部门老大面试，没做题，感觉是业界大佬。聊强化学习，其中有个点是把 rollout 阶段把全错的样本部分替换为对的，让模型可以进行学习，问“和DPO有啥区别”？这样不是off-policy了吗？ on-policy 的优势是什么？GRPO的缺点很大，必须是可验证的query，开发问题，例如报告生...