强化学习优化：使用PPO等强化学习算法，以SFT模型为初始策略，以RM为奖励信号，优化模型参数，鼓励其生成能获得RM高分的回答。提炼高质量、简洁的COT示范：分析现有长COT数据，识别哪些步骤是冗余的、重复的或解释性过强的。最后，也是最重要的一步，实验驱动落地。过程：针对某个标注任务（例如“判断回答是否含有广告”），我们已经通过第一层研究找到了一个可靠的Prompt → 用这个设计好的Prompt

强化学习优化：使用PPO等强化学习算法，以SFT模型为初始策略，以RM为奖励信号，优化模型参数，鼓励其生成能获得RM高分的回答。提炼高质量、简洁的COT示范：分析现有长COT数据，识别哪些步骤是冗余的、重复的或解释性过强的。最后，也是最重要的一步，实验驱动落地。过程：针对某个标注任务（例如“判断回答是否含有广告”），我们已经通过第一层研究找到了一个可靠的Prompt → 用这个设计好的Prompt

面试过一些人，也被人面试过，今天我来谈谈对数据分析岗位面试准备的理解，特别是互联网行业面试考察的主要方面，以及如何快速准备。注意，面试准备大体上仅针对面试，并不会涵盖数据分析全方面的知识...

简单介绍一下自己的背景，我是一名澳洲top3某学校在读研究生，主修BA方向，目前是处于云留学的状态，6月刚刚结束了一份某电商大厂数据分析实习，现在正在某短视频大厂做用户增长方面的数据分析实...

前言：对于数据分析师来说，统计学是必不可少的基础知识。不仅工作中会经常运用其概念，且也几乎是数据分析师工作的面试必考题(尤其是校招以及转行的朋友，当实战经验少的时侯会更关注基础功底是否扎...

前言：笔者自2019年硕士毕业，先后任职于两家一线互联网大厂，加上实习经历在数据行业已经摸爬滚打近5年。近来愈发认识到工作中自我沉淀的重要性，既是对自己日常工作的梳理总结，也可以帮助到一些...

什么是决策树？决策树模型本质是一颗由多个判断节点组成的树。在树的每个节点做参数判断，进而在树的最末枝(叶结点)能够对所关心变量的取值作出最佳判断。通常，一棵决策树包含一个根结点，若干内...

小洛写在前面：很多同学目前所做的业务分析工作，徒手分析即可cover业务需求，较少用到一些高阶的统计模型和机器学习上面的东西。渐渐的便会产生一种感觉，即数据分析满足业务需求即可，不需要会...

面试过一些人，也被人面试过，今天我来谈谈对数据分析岗位面试准备的理解，特别是互联网行业面试考察的主要方面，以及如何快速准备。注意，面试准备大体上仅针对面试，并不会涵盖数据分析全方面的知识...

简单介绍一下自己的背景，我是一名澳洲top3某学校在读研究生，主修BA方向，目前是处于云留学的状态，6月刚刚结束了一份某电商大厂数据分析实习，现在正在某短视频大厂做用户增长方面的数据分析实...