字节大模型算法实习二面 攒人品

给我面没招了，发点面经攒攒人品～项目细节拷打八股1.大模型了解多少，强化学习了解什么2.DPO的全称是什么，公式是什么，直接体现在哪里3.与PPO对比归一化方法• 常用的归一化方法有哪些• 讲讲RMSNormAUC• auc的定义• 从样本里随机去掉一些负样本，Auc怎么变优化器• 讲一讲常用的优化器• sgd是什么，Adam相对于sgd改进了什么位置编码• 正余弦位置编码的公式手撕• 计算逆序对数量• 多头自注意力

今天从下载量维度，盘点平台上最火的 10 个 Skill，看看全世界大家都在用什么。 1. Find Skills（162k 下载 / 690 星） 当你不知道该装什么 Skill 时，先装这个。它能根据你的需求自动搜索和推荐合适的 Skill，相当于 Skill 市场的搜索引擎。输入"我想做 X"，它帮你找到对应的能力扩展。 安装：npx clawhub@latest install find-skills 2. Summarize（125k 下载 / 497 星） 一键总结网页、PDF、图片、音频甚至 YouTube 视频。丢个链接进去就能拿到精炼摘要，信息获取效率拉满...

攒人品中！ 1.dpo 和 sft 的区别，先 dpo 后 sft 可以么2.如果把 DPO 用在“第一轮对话”，你会怎么做数据集？prompt、3.chosen/rejected 你打算怎么来4.多轮对话的数据分布你会怎么设计：单轮和多轮各占多少，为什么这么配5.具体到 DPO 数据，多轮样本你会怎么采样/怎么配比6，reward hacking 你怎么看？一般怎么防，怎么兜底

面试到最后，面试官一句 “你还有什么想问我的吗？”，90% 的人都在这里栽了跟头。要么张口就问薪资、加班、年假，直接给面试官留下 “只看福利不看工作” 的负面印象；要么摆摆手说 “我没问题了”，白白浪费了这个既能翻盘加分、又能避坑排雷的黄金机会；更有甚者瞎问一通，直接把到手的 offer 作没了。千万别觉得这只是面试的收尾流程！恰恰相反，这个环节是你唯一能从 “被考察者” 变成 “主动考察者” 的窗口，既能反向摸清公司真实氛围、岗位真实情况，避开职场天坑，又能二次展示你的思考能力和求职诚意，直接拉高面试官对你的评价，甚至能逆转前面的发挥失误。今天就给大家分享 4 个面试官超爱听的高情商反问，尤...