好久没面试之今天就面到这里吧拜拜

给我面没招了，感觉自己好菜，发点面经攒攒人品1、 PPO 与 GRPO 的区别，分别介绍他们的优势与缺点2、 DPO 对齐训练的曲线是怎么样的，正例的概率会提升嘛3、 Deepseek -R1里面不仅推理能力很好，而且文采能力也很好，这个是个开放问题，如何让模型的文采能力也很好呢4、 DPO 如何解决回答过长的问题，除了正则5、开放问题：为什么现在大家都在关注于大模型的推理能力 reasoning6、对于一个 base model 如何增强大模型的 reasoning 能力7、模型选型时是否做定性定量对比ab test，客观数据验证文心性能不好了吗8、 DPO 除了长度问题还有其他的问题嘛，与问题2对应， reward hacking ？都没有奖励模型了

1.中核秦山，加上人才补贴总包20w，检修or运行。2.华为数能，14级。

六个月来的工作任务可能一周就能完成大部分处在没事干的状态导师也是直属领导完全的放养，比较自由和导师也沟通多次，都是思想教育指导部门人均年龄35+10年未校招部门内的大多同事都是曾经辉煌过的6个月0成长，呆的心慌没事做的时候就是火车硬座，枯燥乏味虚度青春何解与我同岗位的其他部门的同事牛马到飞起，辞职率top

1️⃣个人情况：1. 浙江人，电子信息硕，秋招主投杭州和上海央国企。2. 本人半卷半躺，中等精力人群。3. 对工作的期望是 薪资 > wlb = 职级晋升。4. 工作地点偏好：杭州 > 上海。2️⃣offer情况（不算非现金福利）：offer 1：杭州城投集团管培生，总包N，base 杭州。优点👍：离家近，在杭州生活成本比较低（和其他offer相比），工作稳定？缺点👎：薪资低，涨薪慢，工作内容大概率和专业无关。后续和子公司签约，薪酬待遇由子公司决定（盲盒），hr说待遇基本不降。offer 2：银联总部技术开发岗，总包N+14，base上海唐镇。优点👍：薪资高一些，工作内容和专业相关，以后可选择的退路也更多。缺点👎：离家远，生活成本较高，且银联传闻年年降薪（重点），绩效拿不满，可能有入职即巅峰的情况🥲。offer 3：银联国际技术开发岗，总部N+13，base上海前滩/深圳。优点👍：薪资高一些，且其月base比银联总部高10%-20%（薪资结构更健康？）。工作内容和专业相关，以后可选择的退路也更多。缺点👎：银联子公司，稳定性可能不如总部；据说需要技术岗也需要外派；其余缺点同offer 2。3️⃣希望互联网家人们动动小手投票，非常非常欢迎大家在评论区各抒己见~🥹🥹🥹