03-05 11:40 中南大学 算法工程师
关注
高德大模型实习一面（凉凉
给我面没招了，感觉自己好菜
1. 介绍项目，主要只问了和强化学习相关的那个项目。
2.项目强化学习部分，为什么用 DPO 而不是 PPO？GRPO效果怎么样？为什么要用GRPO
3.DPO 的目标函数 / 损失函数大概是什么思路？和 PPO 区别在哪？为什么要加 KL 散度限制？为什么要防止和原模型偏差太大？
4. 你对 Transformer 的 Encoder-Decoder 结构理解如何？Self-attention 公式是什么？
5. 了解 Multi-Head Attention、Group Attention、MLA、KV Cache 这些优化吗？Group Attention是哪两个可以复用？
无手撕
1. 介绍项目，主要只问了和强化学习相关的那个项目。
2.项目强化学习部分，为什么用 DPO 而不是 PPO？GRPO效果怎么样？为什么要用GRPO
3.DPO 的目标函数 / 损失函数大概是什么思路？和 PPO 区别在哪？为什么要加 KL 散度限制？为什么要防止和原模型偏差太大？
4. 你对 Transformer 的 Encoder-Decoder 结构理解如何？Self-attention 公式是什么？
5. 了解 Multi-Head Attention、Group Attention、MLA、KV Cache 这些优化吗？Group Attention是哪两个可以复用？
无手撕
全部评论
再来!!!
合肥工业大学 C++
兄弟，愿意试试多多吗，看我住叶，进度随时帮看
相关推荐
查看25道真题和解析 03-30 10:37
郑州大学 游戏角色 点赞 评论 收藏
分享