腾讯 软件开发岗 薪资爆料

校招呢我当时也是这个节点投送的

栓q，又被腾讯pcg捞了，但和字节面试撞了，不知道还会不会约，真的要让我面完所有事业群吗😭😭😭我求求了我就想要个实习

🐮友：神哥，请教个事情。请问字节飞书hr面会刷人吗？我约了周二hr面，目前处于什么都不想干等字节的状态神哥：字节HR基本不会刷 只要不踩雷就行，像京东这种HR权利比较大。而且字节的模式偏向快招，对比的比较少，如果你实力强，不会拖很久。最近问神哥的人太多了，会提取一些有代表的问题，希望可以帮助到大家~八股不知道咋记，不知道重点，可以看看我的神品八股专栏，全网40w粉大博主在看，鹅厂面试官也在看，介绍如下https://www.nowcoder.com/discuss/718273556131377152?sourceSSR=users

一、训练范式与核心技术1. 强化学习主导- DeepSeek-R1基于大规模强化学习（RL）完成后训练，其强化学习训练占比超过95%，甚至存在完全依赖RL的DeepSeek-R1-Zero版本。- 传统指令模型（如文心、ChatGPT O1）则更依赖监督微调（SFT）和人类反馈的强化学习（RLHF）。2. 冷启动与多阶段训练- DeepSeek-R1通过引入高质量“冷启动”数据辅助初始阶段学习，并结合多阶段训练策略（如拒绝采样）提升推理能力。- 而指令模型通常直接从预训练模型通过SFT对齐人类偏好。二、能力与任务适配性1. 复杂推理能力- DeepSeek-R1专门针对数学推导、代码生成、逻辑分析等复杂任务优化，其推理过程中支持自我验证、错误检测及多路径探索。- 指令模型更侧重通用对话和指令理解，在复杂推理任务中表现较弱。2. 生成质量差异- DeepSeek-R1的纯RL版本（R1-Zero）存在生成内容可读性较低的问题，需通过混合训练策略改进，- 而指令模型因依赖SFT数据，输出更符合人类语言习惯。三、架构设计与成本效率1. 优化算法创新- DeepSeek-R1采用Group Relative Policy Optimization（GRPO）等新型RL算法，支持无监督条件下的推理能力进化。- 指令模型通常沿用PPO等传统RLHF算法。2. 成本优势- DeepSeek-R1在同等性能下成本比OpenAI o1系列低30倍，且在数学、代码基准测试中达到甚至超越Claude 3.5 Sonnet等模型。四、应用场景与合规性1. 垂直领域适配- DeepSeek-R1更适用于科研、金融等高精度推理场景，- 而ChatGPT O1等指令模型偏向通用客服、教育等泛化场景。 #产品经理#  #Ai产品经理#  #AI#  #牛客创作赏金赛#  #牛客激励计划#