美团算法一面

📍面试公司：美团

👜面试岗位：大模型春招

📖面试问题：

1. 问了 PPO 重要性采样系数怎么才能为1？调节批量，学习率，超参数啥的 不懂，策略收敛最优解不就为一了吗
2. grpo 的 GAE 怎么算，和批量大小有没有关系？为啥没有要PPO的v函数？
3. 离轨策略和在线策略的关系？
4. 冷启动 + grpo 怎么做的？
5. 仿真寻优（实习项目）的 PPO 和 openai 的PPO有啥不同？ 项目的p(s'|s,a)=1,状态转移矩阵非常稀疏

手撕链表 切断+翻转+链表合并

Input: 1->2->3->4->5->6->7

Output: 1->7->2->6->3->5->4

写了蛮久，一开始暴力求解，绕晕了。。果断转换思路，勉强做出来了

🙌面试体验：因为很早，校招通道没开，走的实习面试流程。

虽然我实习是RL岗位，但他确实没问什么llm的面经题和transformer还蛮意外的

除了第一问调参经验少了，基本答上了，大半周后拿到二面了