浙大98投递背景：9本9硕，1篇2作A, 1篇4作A, 1篇1作在投，半年算法研究实习一面科研经历如何增强多模态模型的识别准确度（比如识别出一个医疗手写表格中的特征与具体值）在用verl做强化学习时，你是根据什么指标来查看训练的进度的。讲一讲你对rag的理解ppo的原理ppo是倾向于将模型往什么方向训练讲一个你最熟悉的模型（讲的deepseek-r1）多模态基础手写多头注意力为什么计算注意力要除以维度decoder-only的结构，输入prompt到输出token的整个过程。有什么办法将2维的embedding转换成3维的embedding,同时保留位置编码信息以后读博还是进入工业界如果有转正...

不是哥们？谁带的风气，实习转正，那我为什么不在原公司。怕就是怕实习到6月来了句实习转正不过白嫖你当人力。真的恶心

意向书里没写高潜   

项目询问没挖太深问了个PPO和GRPO DAPO的区别问了一个懂不懂vLLM和SGlang的实现问了一个ms-swift 和 VeRL各自设计上的优劣，我说VeRL用起来更方便，每个模块很清晰，ms-swift集成的太好了，不方便改问了一个宏观的问题：如果给你一个多模型后训练任务，怎么设计训练框架？我说两个点，一个是模型加载，需要考虑到适配不同的模型，方便未来的模型加入进来，另外一个是RL这一块，需要适配不同的算法，让用户自己可以比较灵活的去定义和修改算法，例如你实现了 PPO算法，能不能很方便的改成GRPO,DAPO,GSPO。面试官不太懂训模型这一块比较关心框架设计后面反问工作内容也是提到...