攒人品中，祝大家都能拿到满意的Offer！1.介绍DPO和PPO2.DPO损失函数怎么算的3.梯度检查点如何提升效率4.详细讲一下deepseed5.以7B的模型为例，计算训练需要多少显存说明都有哪些部分，每部分怎么算的，以及用deepseed每一个阶段节省多少内存，怎么节省的，计算过程中都有乘以2字节是为什么，什么原理6.做Rag 时候的分块策略7.BM25原理，RRF的原理8.Kl散度的输入是什么，怎么来的手撕：用torch实现kl散度

AI岗位暴涨12倍，我会转AI吗？ 那毫无疑问，必须向AI靠拢，毕竟谁不想多赚钱呢？毕竟谁想在未来被淘汰呢？但是怎么转，什么时候转，转什么？这是一个值得深思熟虑的问题。 一、不要盲目的转 我知道在这种大趋势、大潮流下，很多人都非常的焦虑，这个焦虑不仅仅是打工人，很多老板也很焦虑，生怕被AI潮流打翻小船。本来很多中小厂就是在艰难前行，AI浪潮一来更是雪上加霜，以至于很多人开始病急乱投医。 算法岗不是谁都能干的：都说传统开发消亡，都想去学python，做算法培训机构一忽悠，就交了小两万的培训费，学个python，就觉得自己跟上AI潮流了，那是纯扯淡。算法岗没有双九硕科班出身打底，没有人会要你。尽管...

攒攒人品！有面试过同岗的朋友欢迎评论区交流1. 项目拷打2. 拷打第一段实习2.1 模型优化细节，非常细，基线模型结构、具体优化点、expert数量，输入维度，参数量计算，特征分配策略等等2.2 参数量增加后，计算量增加了多少？FLOPs和训练速度分别怎么变化？2.3 模型性能跟模型大小是相关的吗？2.4 新增的存储属于什么类型？在PS中仅增加存储是否影响训练推理速度2.5 存储成本和查询成本哪个更高？新增参数量是否达到瓶颈？2.6 相同的机器下，训练速度慢了多少？或者增加了多少机器才能让训练速度持平？3. 拷打第二段实习3.1 主模型细节，序列建模细节，模型参数、序列长度3.2 OneTrans的优缺点4. 手撕代码：求数组中第K大的数，时间复杂度要求O(N)

1、春招禁止焦虑针对27届学弟学妹来说，春招是应届生参与校招的最后一次机会了，所以千万不要瞻前顾后，没有什么时间焦虑，应该做好合理计划，去寻找春招机会，多看看公司官网公众号，多刷牛客寻找好机会。好了，这里多的鸡汤不说。2、 简历准备说实话，校招中学校学历为第一要素，其次是实习、竞赛、有技术亮点的项目、论文，前提都得有含金量，但是这些又都不是短期能去解决的，所以需要做的就是把自身已有的这些整理好，用简洁的模板突出亮点技术，有几个要点：突出关键词：因为你也不知道他们是怎么筛选你的简历，可能是机器筛选，也可能是不懂技术的人筛选，所以能触发一些技术栈关键词会比较好，这个可以去对比岗位jd，也许会告诉你...