你这模型自己部署的吗

被挂了，希望发出来对大家有帮助！1.项目深挖2.做了哪些优化？3.数据不均衡的话，对f1 score，acc这些指标有什么影响4.LoRA的原理。5.有用过qwen系列的模型吗？6.你认为decoder only的模型在分类等任务上有可能比encoder only的做得更好吗7.如果loss下降了，但f1等指标不涨，如何排查和解决？8.手撕：由01组成的二维矩阵，返回全由1组成的最大正方形的面积

这个小伙伴5年的工作经历 双非研究生 好像是医学和计算机交叉学科1. 请先做一下自我介绍2. 你们是直接拿开源 BERT 做分类，还是基于开源 BERT 做微调？答案：一般不是直接拿开源 BERT 裸用，而是基于开源预训练 BERT 做下游分类任务微调。开源 BERT 只提供了通用语义表示能力，它在大规模语料上通过 MLM、NSP 等任务学到了语言知识，但它不知道我们具体业务里的标签体系，比如用户意图分类、文本风险分类、工单分类等。所以实际做法是：拿一个开源预训练模型，比如： bert-base-chinese chinese-roberta-wwm-ext hfl/chinese-macbe...

这种是面评脏了吗 被冻结了吗😭 该怎么自救呀

1. 自我介绍2. Python 里的 __new__ 和 __init__ 的本质区别是什么，哪些场景必须重写 __new____new__ 负责创建对象，返回实例本身；__init__ 负责在实例创建完成后做初始化。真正必须重写 __new__ 的场景并不多，常见的是不可变类型子类化、单例控制、缓存复用、元编程对象创建路径劫持。因为像 str、tuple、int 这类不可变对象，很多状态在对象创建时就固定了，等到 __init__ 再改已经来不及了。 class MyInt(int): def __new__(cls, value): return super().__new__(cls,...