非常好奇算法岗现状，双非硕的油油们你们班上有多少人找到算法岗呢

1.能通俗解释一下什么是近端策略优化（PPO）吗？它在基于人类反馈的强化学习里扮演啥角色？2.直接偏好优化（DPO）和 PPO 比，最大的优势是什么？为啥说它计算成本更低？3.听说 DPO 有个小缺点，泛化能力不如在线方法，你能结合实际例子说说为啥会这样吗？4.DeepSeek-R1 的核心技术 GRPO（广义强化学习策略优化），它设计的纯 RL 环境和之前的方法有啥不同？那个内在奖励机制又是怎么运作的？5.用大白话讲讲，GRPO 里的置信度量化作为内在奖励，是怎么帮助模型优化推理路径的？6.DeepSeek-R1 用思维链（CoT）优化，让模型的数学和代码能力变强了，具体是怎么通过 RL 让模型生成结构化反思的？7.阿里 QwenLong-L1-32B 在长上下文推理上表现不错，它用的渐进式上下文扩展和混合奖励机制是咋配合，让模型处理 13 万 token 长文本的？8.如果现在要做一个语言模型项目，在 PPO、DPO、GRPO 里，你会优先选哪个？为什么？9.从 PPO 到 DPO 再到 GRPO，这些技术的演进，反映出强化学习在语言模型优化上怎样的发展趋势？10.结合你做过的项目，谈谈如果引入 GRPO 和思维链优化，可能会给项目带来哪些改变和挑战？

bg双非本硕，两段小厂实习0论文8月 卓驭一面挂 旷视一面挂 商汤一面挂9月风平浪静10月 荣耀一面挂 三七一面挂 shein一面挂 华为主管面挂 可能期望base说错了+本硕gap一年+价值观不熟悉 11月 杉川一面挂 比亚迪未来实验室 一面挂12月 新凯来一面挂 平安银行 hr面挂比亚迪工程院 offer3月 华为云服务 群面挂 vivo 二面挂 第二次三七面试 申请推迟时间结果直接挂导师卡毕业论文送审 一直修改到4月才送审4月 虎牙一面挂 小米销服算法 一面挂（同日）快手一面挂（简历挂22次一面）b站一面挂米哈游游戏策划 一面挂 网易雷火游戏策划 一面挂 盲审一审挂 二审过 每天都在改论文5月 游卡二面挂 新浪一面挂 院内评审一审挂 二审过 答辩过 百度补录oc 小米搜推oc 终于结束了。。各种小厂和各种简历挂就不说了

请假一下各位，双非本985硕一段中厂的半年泊车实习还有一段地平线的pnc量产实习（预计半年）秋招还有机会能找到规控pnc算法岗吗😭😭😭引流 地平线 理想 mmt 小马智行 文远 蔚来 小鹏 轻舟