帮选offer

#你的国庆怎么过#

我觉得作为平台，一定是要考虑客户的回报的，只有让甲方觉得自己花得值，人家才会复购。其实快手也一直在出价策略上不断优化，从PID、MPC到强化学习出价，相比前两代，强化学习算是一次质的飞跃，因为他能通盘考虑了。不过确实还没有办法完全解决出价的复杂性，所以快手提出了第四代的生成式强化学习，本质就是把生成模型和强化学习结合起来吧。所以我觉得今年秋招想投递快手的同学，而且对这个感兴趣的，我觉得可以重点关注一下，往这方面准备一下吧。（过来人的一点建议哈）还有明天会有秋招直播，可以蹲一波了。

泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来泡出来

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...