作者：百度文心一言团队 面经

实习一面 拷打项目论文 介绍大模型训练流程，预训练，微调，强化学习 奖励模型的损失函数 介绍DPO，DPO和PPO哪个效果好，为什么 介绍数据合成最新工作 openai o1 复现相关工作 反问 无算法题 #实习 #面试 #大模型