四个题,笔者睡过头了,只有1h时间,拼尽全力只答了2.45...本来想当怯战蜥蜴的,但是一想到下一次笔试在半个月后,这个恐怖的罚时让笔者不能接受,最后硬着上了...答的很烂,但是笔者真燃尽了...T1 95%有n个任务,要么占用a个token和b的时间,要么占用c的token和d的时间,任务可以不做现在有m的token和t的时间,问你最多能做多少个任务.由于实在没什么时间了,笔者写的dfs,意外发现好像是正解...但是只有95%是hyw???笔者代码这么烂的吗dfs常数巨大???(assert测了一下就是T在最后一个点了,但是有两个点是50个物品的,笔者不会卡时,不然有可能特判最后一个点卡过去...

三战鹅厂才走到这，这是在横向吗可以发邮件催一下吗

1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...