我觉得作为平台，一定是要考虑客户的回报的，只有让甲方觉得自己花得值，人家才会复购。其实快手也一直在出价策略上不断优化，从PID、MPC到强化学习出价，相比前两代，强化学习算是一次质的飞跃，因为他能通盘考虑了。不过确实还没有办法完全解决出价的复杂性，所以快手提出了第四代的生成式强化学习，本质就是把生成模型和强化学习结合起来吧。所以我觉得今年秋招想投递快手的同学，而且对这个感兴趣的，我觉得可以重点关注一下，往这方面准备一下吧。（过来人的一点建议哈）还有明天会有秋招直播，可以蹲一波了。

今日份OC * 10

😢😢😢Java

项目GRPO相关考察个人对SFT和GRPO的关系。问BN和LN的区别？为什么NLP里边是LN?问前 layer norm 和 后 layer norm的区别？pre-LN 恒等分支的方差变化累积，到深层是影响模型训练效果的主要因素，f(norm(x))分支因为方差稳定，会成为不重要的参数，到深层之后会变成 参考：https://www.zhihu.com/question/519668254/answer/2371885202手撕编辑距离没看到聊天框就没让写了反问以发论文为目标