兄弟姐妹们帮忙选选

电话面，没录音，不记得全部前面几个八股题八股问到一半，还问能不能接受加班，大概是早9-晚81. 箭头函数的this指向的是什么2. 深拷贝怎么实现3. 什么操作会触发回流与重绘4. 说一下事件循环5. 浏览器缓存（强缓存与协商缓存）6. 怎么在浏览器中存储（localStorage和indexDB）7. 其他的呢（cookie和sessionStorage）8. 设计组件时要考虑什么9. 你觉得项目中的难点是什么，后面怎么解决的

外地私企在郑州数字马力：2022年春天开始招人，三年时间干到了3千，郑州软件技术类企业中的招聘第一大户。新华三：华为旗下裂变出来的公司，兜兜转转变成了国企，新华三股东是紫光集团。浪潮：某前省长在位时搞过来的一个小小研发中心，虽然从股东背景上来看是浪潮，但我还是把它归为私企，原因就是卷、不稳定、业务难做竞争激烈。富士康：压力小，按点下班，地方太偏，离市区太远。海康威视：小小的研发中心，人数不详。刀锋互娱：在郑州搞了子公司，但不知道有多少人。帆一尚行：上汽集团旗下做云服务的子公司。拓普丰联：政府数字化治理。浩鲸云：最近几年阿里云砍掉私有云、聚焦公有云，影响到浩鲸的业务，因此裁掉了很多人。墨刀：做产...

在小模型中表现良好的许多强化学习（RL）算法策略，往往在迁移到大模型时失去效力。因此，关于RL在模型尺寸扩展（Scaling）方面的研究一直不够完善（尽管OpenAI有一篇相关研究，但其重点更多在于奖励模型的扩展）。那么，为什么RL在模型尺寸扩展上缺乏良好的趋势呢？又是什么因素导致在小模型中有效的策略在大模型中失效呢？这里Anthropic的一篇论文中找到了一些线索，该论文揭示了一个他们观察到的现象。在文章中，作者是这么说的：论文作者发现使用64亿参数模型生成的回应训练的特质偏好模型（Trait PM）表现优于使用更大模型生成回应训练的特质偏好模型。这一发现可能可以用生成回应的概念和句法多样性来解释，尽管还需要进一步研究。较小的模型可能倾向于生成概念上更多样化的样本，相较于大型模型，仅仅是因为它们的熵更高。因此，较小模型生成的两个回应在意义上可能差异更大。如果是这样，那么当样本由较小模型生成时，反馈模型可能更倾向于根据回应的意义进行判断。这或许可以解释为什么使用64亿参数模型生成回应时，特质偏好模型表现更好。相比之下，可以想象的是，1750亿参数模型生成的两个回应在概念上可能更相似，仅在句法上有所不同。在这种情况下，反馈模型可能会根据回应的结构变化进行判断。因此，特质偏好模型可能会学习到与论文作者希望学习的人工智能特质无关的虚假模式。论文作者进行了额外的实验，以检查是否可以通过简单地调整采样温度来提高使用1750亿参数模型生成回应训练的特质偏好模型的性能。确实，通过提高回应生成模型的温度可以增加样本的多样性，但论文作者发现温度对使用1750亿参数模型生成回应训练的1750亿特质偏好模型的性能影响微乎其微。这主要是因为更高的温度往往只会增加样本的句法多样性，而不会增加其概念多样性。这仍然是一个未解决的问题，需要进一步研究来验证这一初步解释。总结：大模型的输出分布往往在概念上缺乏多样性，而更多地体现在语法多样性上。相比之下，小模型可能会产生更多概念上不同的负样本（或者说非常离谱的负样本），而大模型则不会。因此，许多针对避免这些离谱负样本影响模型训练而设计的强化学习算法，在大模型上可能无法奏效。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

1.页面回收算法最优页面置换算法。在页面中记录这个页面会在多久后被再次访问到，这样优先置换一个很长时间才能被访问的页面理想算法，不能实现。先进先出页面置换算法。维护一个链表，淘汰最先进入链表的页面容易理解，实现简单，性能不理想最近未使用页面置换算法。利用页表中的 PTE_YONG 和 PTE_DIRTY 比特位来进行对页面分类容易实现，效果一般LRU 算法（最近最少使用页面置换算法 Least Recently Used），其要点有利用局部性原理、维护链表、新页面及被访问页面加入链表头部、置换时从链表尾部取页面第二次机会法要点是给页面第二次可被访问的机会。对 FIFO 算法的改进，为每个页面增...