二面 1.先介绍项目2.问了一些关于项目背景的问题问一些微调时候的显卡、参数设置，问的很细3.显存计算4.问几个强化学习方法，DPO、PPO、GRPO、DAPO等以及顺道提了一嘴看的一些别的公司的强化学习改进方法(这里因为之前别的面试被拷打的很深，所以私底下认真的看了每一篇论文从原理到公式到数据形式，甚至动手用trl verl试了一遍，所以回答的特别细致)5.因为提到用过verl所以详细问了一下verl6.手撕-力扣中等难度题-698划分为k个相等的子集

回顾过去大半年的找实习经历，只能用一句话形容——又累又燃。坎坷是真的坎坷，但幸运的是，我还没放弃；更幸运的是，最终有了好结果。所以写下这篇文章，既是对过去那个没放弃的自己致敬，也想鼓励还在迷茫的你：咱们都能守得云开见月明。🧑‍💻 我的背景（没啥特别，但也挺真实）我呢，双非本，江苏省内一本守门员——学的是软件工程。本科时期参加过一些比赛，那种“写在简历上显得很厉害“的比赛，比如计算机设计大赛。后来考研擦边进了某“9”，专业是安全（擦边计算机）。我们专业的就业大多走开发路线，我对安全基本可以说是一窍不通，而且大部分公司开发岗位需求比安全多，所以我又回归老本行做开发了。📆 开始启程：研一下学期...

项目介绍+拷打1.每一步骤以后获得回答的变化，*在项目里sft和rlhf后大模型回答有什么变化，举例说明2.sft和 rlhf的作用有什么区别3.*sft如果用 dpo的chosen回答直接做sft的话还需要 rhf吗?八股1.sft有哪些方式?除了lora还有哪些?lora中为什么低秩矩阵是能够表示增量的?怎么初始化的?为什么要这么初始化?2.ppo、grpo、dpo(critic model和rewardmodel，哪个是未来价值，组内相对优势怎么计骎算，*如果组内差距大的话会对训练有什么影响?有没有佬说一下这个怎么答coding(二选一)1.手撕 transformer，输入一个矩阵然后输出经过transformer块以后的结果，不能使用torch，只能使用 numpy2.非 hot100 leetcode困难地下城游戏

蚂蚁 ob 让我相信自己是有运气的，1024 发意向了时间线：9.24 投递，十一收假当天约一面，3天后二面，3天后hr面，一周后意向一面 35 分钟一开始是电话面试，就蓝牙连手机上了，没想到发来一个笔试链接能视频，慌忙连上电脑发现 edge 浏览器没给麦克风权限，半天没声音，面试官说要不咱们还是电话吧 简单问了下科研和实习，然后问了下指针和引用区别（没答出多少，面试官笑着说是不是用智能指针比较多），常用排序算法和他们的复杂度（基数排序复杂度说成 O(n) 不太严谨）然后就做两道简单题：求两个数组交集 和 最近公共祖先反问介绍了组内业务和 oceanbase公众号秒过，有点太快了，不敢相信。二...