能给二面吗团子

28号二面的有oc的嘛好焦虑 许愿许愿oc

📍面试公司：美团👜面试岗位：大模型春招📖面试问题：问了 PPO 重要性采样系数怎么才能为1？调节批量，学习率，超参数啥的 不懂，策略收敛最优解不就为一了吗grpo 的 GAE 怎么算，和批量大小有没有关系？为啥没有要PPO的v函数？离轨策略和在线策略的关系？ 冷启动 + grpo 怎么做的？仿真寻优（实习项目）的 PPO 和 openai 的PPO有啥不同？ 项目的p(s'|s,a)=1,状态转移矩阵非常稀疏手撕链表 切断+翻转+链表合并Input: 1->2->3->4->5->6->7Output: 1->7->2->6-&gt...

😱

一面简历项目如何计算模型的参数量？Deepseek R1有哪些特点？有了解过预训练模型吗Code：合并有序数组反问二面简历项目Deepseek MLAKV Cache有哪些好处GRPO，PPO，DPO各自的优势和劣势Code：层次遍历二叉树反问，base主要做RL相关的，3.24OC