作业帮还在泡

SFT/DPO/PPO/GRPO训练全解析 监督微调（SFT） 监督微调是语言模型训练的基础阶段，利用标注数据调整预训练模型的参数。训练过程使用交叉熵损失函数，优化模型对输入序列的预测能力。典型数据集包含指令-响应对，例如Alpaca或FLAN格式的数据。 损失函数公式为： [ \mathcal{L}{\text{SFT}} = -\sum{t} \log p(y_t | y_{<t}, x) ] 其中(x)为输入指令，(y_t)为时间步(t)的目标词元。 直接偏好优化（DPO） DPO通过偏好数据替代强化学习中的显式奖励模型。方法依赖离线数据集中的优胜-劣质样本对((y_w, y_l)...

10月24一面，11月4二面，然后一直卡在“评估中”没动静。身边泡出来的好像都是92的兄弟，双非本目前还没见到有冒泡的。

机器学习模型效果显著性验证的完整指南 实验设计基础 机器学习模型的性能评估需要严谨的实验设计。随机划分训练集和测试集是基础步骤，交叉验证方法如k折交叉验证能更稳定地估计模型性能。分层抽样确保数据分布一致性，尤其在类别不平衡场景中至关重要。 实验设计中控制变量是关键，确保比较的模型在相同的数据集、预处理流程和硬件环境下运行。记录随机种子保证实验结果可复现，多次实验取平均值减少随机性影响。 性能指标选择 分类任务常用准确率、精确率、召回率、F1分数和AUC-ROC。回归任务常用均方误差(MSE)、平均绝对误差(MAE)和R平方值。多分类问题需采用宏平均或微平均策略。 对于不平衡数据集，单一指标可能...

我是秋招之前有两段实习，一段小厂，一段中小厂，8月离职开始秋招，歇了一段时间，9月开始投。学习情况：每天的学习时间是早上10点到晚上九点，看八股和hot，小林的八股倒背如流基本上，hot刷了四五遍，笔记写了大概7w左右，本人有一点算法基础，全平台刷题量600。投递情况：九十月把所有的公司全都投完了，但是只有几个小公司约面，还有个睿联科技。所以一直在沉淀，压力其实挺大的，身边的人陆陆续续都走了。最终在11月迎来了面试高峰期，一周约面四五个，20k的工作全都来了，还有游戏公司之类的。坚持下来了也算，不过运气也比较好