鬼故事：我司现在还没招满

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...

项目很垃圾就是外卖加点评，想在成都找个中小厂实习（如果能去大厂更好但是我感觉我不行），实习到9月份开学，现在准备开始背八股，力扣刷了20多道，机会大不大？

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

下午3点直接打得电话，吓我一跳，直接开面。主要是项目，没记录。面试官挺好的，我不懂的一直在讲解，也在叮嘱我去学AI，好找工作。主要问了实习项目，还有AI使用相关的。Web服务器有哪些？Nginx的使用场景和作用，什么是正向代理和反向代理。反问：有HR面吗？（有的话后续HR会联系，感觉凉凉的）