字节-算法工程师-二面

vivo是西安 引望是东莞/杭州/上海

整体的沟通不是很顺畅，面试官一直在纠结项目背景，我说是技术预研，他一直问有没有业务背景自驾的强化学习和llm的不太一样他们是传统的RL，也不是多模态问了一些项目，面试官好像不太懂问了我几个问题GRPO的优化目标？KL散度的作用，为什么要KL散度？为什么有些论文移除了KL散度？这样会不会灾难性遗忘？GRPO比PPO的优势，我说移除了reward model，以及去掉了value model。但是面试官不是很满意，说这不是GRPO主要的改进。工作比较flexible考了一个leetcode.162（把这题理解为爬坡，当num[mid] <num[mid+1] 说明是往右的一个上坡，left=...

秋招拿了三个offer，分别是美团点评首页推荐算法，字节抖音搜索推荐，还有一个头部量化数据开发qd岗位。量化公司的bonus会多一些，但是数据开发这个工作没有算法未来好跳槽，发展前景好（不知道自己理解的对不对）自己本身不是科班出身的，有点菜。感觉现在主要是行业（金融还是互联网）岗位（算法还是数开）的选择问题。求求牛油们给点建议