求丰巢后台岗面经

1. 自我介绍2. PPO、TRPO、DPO 分别是什么，它们的核心差异在哪TRPO 的出发点是让策略更新别跨太大步，它通过约束新旧策略的 KL 距离，把优化问题写成一个带信赖域的约束优化，所以理论上比较稳，但实现复杂、计算成本也高。PPO 可以看成是 TRPO 的工程化近似，它不直接解复杂约束问题，而是通过 clip 或 penalty 的方式，限制策略更新过猛，因此在实践里更常用。DPO 和前两者不太一样，它不是传统在线 RL，而是直接从偏好对里学习一个“更偏向 chosen、压低 rejected”的目标，相当于把 reward optimization 吸收到一个更简单的监督目标中。P...

这个是流程终止了吗

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

真的不是工资多高、福利多好，而是某个不起眼的瞬间，突然觉得：原来这段日子没白熬。 1. 第一次独立搞定一件事，被前辈说“做得不错”不是客套，是真的被认可。那一刻觉得，自己不是打杂的，是有用的。 2. 听懂了以前完全懵的行业黑话开会不再全程走神，能跟上思路，甚至能插一句嘴，突然就有了“职场人”的实感。 3. 学会了一个以后能带走的硬技能做表、写方案、剪视频、对接客户……不管以后去哪，都是自己的本事。 4. 拿到第一笔靠自己赚的钱不多，但花的时候特别踏实，第一次觉得自己能养活自己了。 5. 有人愿意教你，愿意带你不是冷冰冰的使唤，是真的愿意花时间告诉你为什么这么做。 6. 从手足无措，到遇事能冷静...