算法题：多头注意力，面试看会分头就给过。 底层：关注以下几个点，agent组，怎么训练？怎么搭连路？怎么构造工具？ 其中训练很有意思，尤其是agent强化训练，面试官直言，没有全量强化经验的人我们不要。针对reward设计（为什么这么设计？有什么用？能更快收敛还是更好效果？），超参数调优（什么图像意味着什么要做什么样的调整）问的很细。 上层：考察面试者的视野，讨论了最近的几项技术，比如env based的训练，快手的ARPO看过没～，你怎么看环境的搭建，你觉得long horizon的任务怎么结合环境训练？你用过verl搭环境训练吗？比如GSPO为什么重要？同比DAPO（面试官直说这就是个消融...

#实习#

平时写东西就很慢，去那里真能完成任务吗而且面试官给我放水了面的时候觉得好难，四轮技术一轮HR，时间从9.17到10.11，平均每轮面试1h以上，每天都在期待 offer。现在却没有那么高兴，有点兴奋还有点害怕，因为所在的部门强度据说很大我要离开绿盟了，缺一个前端实习生，具体看最新帖子，有意向者请私聊我10月24日编【本人已离职，不再接收绿盟简历】呜呜呜呜，永别了绿盟😭补药再私信我求经验求简历求路线了，我简历上的技术栈还没有其他同学的多，真的纯运气，老是被骚扰我觉得很困扰

1.项目相关 2.softmax 和 bce loss 怎么计算 3.cvr 怎么做的？样本构建是基于曝光空间还是点击空间？ 4.具体的 ctr 和 cvr 是多少 代码手撕： 1.公交车一共经过 N 个站点，给个 M×2 的矩阵，代表 M 个乘客上下车的站点，计算公交车最少需要多少座位能够承载这么多乘客 上来直接手撕，一开始 n 方复杂度被否了，提示前缀和做了出来。后面就是自我介绍完，对着实习和项目问了点问题，也不难，没拷打啥八股，面试官人挺好的，蛮包容。