1.介绍一下 DPO , PPO , GRPO2.介绍一下奖励函数的坍缩现象和问题3.离线强化学习和在线强化学习了解么？你的项目里是哪种？4.代码:onehot100的2d接雨水5. GRPO 公式？为什么公式里面 clip 了外面还要计算一次 mean 呢？6.讲讲qwen2.5vl, llama7.多目标优化奖励函数冲突，8.介绍一下 QKV 的计算？9.手撕MHA📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

当别人家公司年会奖品还在送几千上万的数码产品时，影石Insta360已经开始送几百上千万的商品房和保时捷了。还招人吗？我就问这一句

之前在 AI 全景学习路线图那篇说过想要写一个 agent 框架，并且把教程和代码都开源出来最近过年放假正好可以一边准备暑期，一边写这个了。这两天已经写了一个 mvp 版本了，但是还有很多地方需要完善，并且写的这个 deepsearch example 目前也只是一个跑通的状态。框架会支持的特性ReAct loop，多智能体系统，生成式UI，智能体强化学习，智能体沙箱等等，基本主流 agent-sdk 有或者没有的都会实现一下等到所有的初版代码和 example，文档都基本就绪的时候就发布一个里程碑版本把代码开源出来，在牛客更新教程今天是大年三十，祝牛友们，新年快乐，马年大吉，在 AGI 时代都能找到自己最满意的生活PS: 图片是 example 前端的一些截图

哈啰是智驾算法n+1签字费3W base上海乐享科技是机器人行业 base苏州目前想入局机器人 但是乐享是初创公司 只有几十人的规模