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...

刚过完第一遍八股。。。

校招月薪1W绝不是“一刀切”的水平——在北上广深可能刚够糊口，在新一线城市能过得滋润，放到传统岗位是惊喜，在热门赛道却可能垫底。咱们结合城市、岗位和现实情况分析一下。一、先看城市：1W的“购买力”差出一个量级不同城市的生活成本天差地别，1W月薪的“含金量”也完全不同。1. 一线城市（北上广深沪杭）：中等偏下，刚够立足这几个城市的平均招聘月薪早就过万了，上海、北京更是超过1.3万/月。对校招生来说，1W属于“能活下去但攒不下钱”的水平：房租是大头，五环外单间月租就得3000-5000，加上吃饭、通勤，每月基本开销直奔8000，剩下的钱寥寥无几；除非是包住宿的国企或大厂，否则想靠1W在一线城市过上...