28號二面的有oc的嘛好焦慮 許愿許愿oc

??面試公司：美團(tuán)??面試崗位：大模型春招??面試問題：問了 PPO 重要性采樣系數(shù)怎么才能為1？調(diào)節(jié)批量，學(xué)習(xí)率，超參數(shù)啥的 不懂，策略收斂最優(yōu)解不就為一了嗎grpo 的 GAE 怎么算，和批量大小有沒有關(guān)系？為啥沒有要PPO的v函數(shù)？離軌策略和在線策略的關(guān)系？ 冷啟動 + grpo 怎么做的？仿真尋優(yōu)（實習(xí)項目）的 PPO 和 openai 的PPO有啥不同？ 項目的p(s'|s,a)=1,狀態(tài)轉(zhuǎn)移矩陣非常稀疏手撕鏈表 切斷+翻轉(zhuǎn)+鏈表合并Input: 1->2->3->4->5->6->7Output: 1->7->2->6-&gt...

??

一面簡歷項目如何計算模型的參數(shù)量？Deepseek R1有哪些特點？有了解過預(yù)訓(xùn)練模型嗎Code：合并有序數(shù)組反問二面簡歷項目Deepseek MLAKV Cache有哪些好處GRPO，PPO，DPO各自的優(yōu)勢和劣勢Code：層次遍歷二叉樹反問，base主要做RL相關(guān)的，3.24OC