1.实习介绍2.防止 sft 灾难性遗忘你有哪些方法？3.sft 和 rl 区别是什么？数据格式有什么区别？4.Reasoning 推理过程有做什么 rl 吗？有哪些奖励？5.rl 有哪些算法？reward 常见的有哪些任务？6.为什么现在不用 reward model？区别是什么？7.PPO 模块介绍一下，公式说一下？critical model 什么作用？8.DPO 公式介绍一下，和 sft 有什么区别？9.GRPO 少了哪些模块，如何在 GRPO 基础上防止模型波动？10.介绍位置编码，PE、ROPE，现在常用哪些？为什么现在模型上下文只到 128K，如果是你你会做哪些改进？11.高效推理了解过吗？如何做到高效推理？你知道哪些方法？12.Lora 是什么？初始化讲一下？是否能对换？还有哪些变体？13.KL散度作用是什么？推一下公式。如果是确定标签，那会有什么变化？从数学原理解释13.编辑距离，用 n 的空间复杂度，如果我要打印编辑路径，你会怎么改，在哪个地方改？基本全答上来了，手撕也很快，实在不知道为什么挂了

1. 实习介绍;2. 根据我简历，让我介绍一下论文A3. 介绍论文B：问了很多问题，大概讲了20多分钟，包括：讲下SP？讲下vllm？链接到了论文C，问关于稀疏帧采样有没有了解？4. 介绍论文C：让我详细介绍下是怎么采样的（讲的不好，人家没细问）5. 讲一下GRPO：GRPO和PPO哪里比较有优势？GRPO和PPO具体哪里不同？6. 手撕：#2554 Maximum Number of Integers to Choose From a Range I

整体感觉还是不错的，发一下问题供大家参考～八股吟唱：1、Pretrain、SFT、RLHF区别（目标、任务定位和解决的问题？）2、为什么偏好对齐不能直接用偏好数据做 SFT，而用RL3、Pretrain和 SFT 在优化目标上的区别4、SFT的loss是什么，若target有10或100个token，loss如何计算5、SFT 样本（含 prompt）与预训练样本在计算 Loss 时的区别，如何屏蔽prompt的Loss6、控制生成多样性的参数有哪些？怎么控制的？7、top-k与top-p 区别8、除了贪心，还有哪些生成策略？9、你对多模态的理解？10、最近读了什么论文？论文的核心亮点是什么？11、PPO和GRPO的结构区别，各自适用的场景？12、DAPO、GSPO具体做了什么改进？13、是否了解 Swift？DeepSpeed 与 Megatron 的区别手撕算法：交叉熵、Softmax、Self-Attention力扣139题 Word Break变种

整体面试还是不错的，但是没后续了，不知道是哪里出了问题1. 实习介绍2. 项目拷打3. 4B的模型部署需要多少显存？怎么算的？4. （项目）LoRA的数据怎么来的，结构长啥样？5. 说一下LoRA的原理；怎么理解“低秩”（r为什么远小于d）6. 了解Agent吗？说一下你做过的Agent workflow的具体流程7. 说一下LSTM的原理；其中门控机制提出是为了解决什么问题？8. 手撕代码：多头注意力；约瑟夫环