11.7一面 11.9终面   

算法题：多头注意力，面试看会分头就给过。 底层：关注以下几个点，agent组，怎么训练？怎么搭连路？怎么构造工具？ 其中训练很有意思，尤其是agent强化训练，面试官直言，没有全量强化经验的人我们不要。针对reward设计（为什么这么设计？有什么用？能更快收敛还是更好效果？），超参数调优（什么图像意味着什么要做什么样的调整）问的很细。 上层：考察面试者的视野，讨论了最近的几项技术，比如env based的训练，快手的ARPO看过没～，你怎么看环境的搭建，你觉得long horizon的任务怎么结合环境训练？你用过verl搭环境训练吗？比如GSPO为什么重要？同比DAPO（面试官直说这就是个消融...

同样无后续，流程“面试已完成”，但无三面/hr面，流程也不给结束，迷惑读研为什么换城市了实习做的事情rag了解吗？为什么比全文检索效率高很多？有考虑留用吗？手撕：m*n表格，左上到右下最小的代价整数字符串转为整数值，边界case尽量考虑全面找工作主要考虑哪些因素？反问：直播课业务，to学生、to教师

超级简单没那么多繁文缛节，面试当场告知过，认为我高度匹配非常好继续发展；反观昨天字节压力面我真的要狠狠真实你了宇宙厂。给我面爽了，有这样的mentor干活也不至于多压力，非常佛系啊感觉，还是这么多次面试唯一知道我是27届日常实习的，其他厂给我的感觉就是把我当秋招面。。。这也是唯一一个面试官提前几分钟来的，感动死了；比较关注项目实践经历与实习内容，几乎没咋问八股，也没考算法就是昨天压力面给我整失眠了今天很困精神状态不是很好。。。就这人家都喜欢我。。。我也喜欢你米宝！------------------------------------------------------------------...