大模型应用算法二面-BIGO实习

被横向挂了，希望发出来对大家有帮助！项目拷打+实习拷打1. GRPO在线学习策略过程，listwise 数据如何训练reward模型。2.MOE模型相关原理和微调经验。3. 逆序对实现和讲解（计算逆序对时如何避免重复计算）

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...

聊聊三七互娱的工作节奏，给正在看机会的朋友参考最近好多人问三七强度怎么样，正好我在这待了有一段时间了，说几个真实的点。双休落实得比较好。周末基本能正常休，这是真的，我在这从来没有被要求周末上班。带薪年假最高10天，弹性上班不用死磕打卡，冬至元宵七夕这些节日还能提前两小时走。项目节奏有规律，偶尔关键期会忙。走敏捷迭代的开发模式，版本上线前的冲刺期节奏确实紧，偶尔加班也是有的，但这是游戏行业的普遍现象，不是公司刻意要求的。排期是提前规划好的，临时加塞的情况少，忙你知道忙到什么时候，整体有章可循。跨团队协作效率不错。研发和运营之间沟通成本比我想象的低，研运一体的模式在日常是真的有感知的。薪资和福利简单说：校招技术岗最高80万年薪，六险一金加商业保险，住房免息借款最高50万，据说1/3校招生能在1年内晋升。正在纠结的话，至少值得去聊聊，比在网上猜强，欢迎私信。

1. 你对 Claude Code、Codex、OpenHands 这类 Coding Agent 的理解是什么，它们的核心差别在哪这类产品表面上都在做“让模型帮你写代码”，但真正拉开差距的不是补全能力，而是任务编排、工具使用、上下文管理和反馈闭环。像 Claude Code 更强调命令行工作流、仓库级理解和连续执行，适合把模型放进真实开发环境里；Codex 早期更偏代码生成和 API 能力，强在补全和局部代码理解；OpenHands 这类开源 Agent 往往更强调可扩展性和多工具编排，方便接入自己的环境和流程。如果从工程视角看，这类 Agent 最终拼的是三件事：一是对代码仓库的建模能力，...