昨天 11:36 门头沟学院 Java 发布于广东
关注
美团智能体
1.简历
2.介绍 DeepResearch 几篇工作？主 Agent 和子 Agent 有什么区别，主要哪些子 agent？
3.RL tool 的 loss 有什么区别？
4.Reasoning 的 loss 有什么其他特点，介绍你知道的（think 和 nothink 的 loss）。
5.PPO、GRPO、DPO 区别。6.DAPO 了解多少，介绍创新点。
6.还有其他 GRPO 变体吗？介绍创新点。
7.手撕：rope，打开 llama github 源码的 rope 介绍和我实现的区别
总结：RL tool的loss忘了，只有这一个失误，然后喜提人才库
#面试问题记录#
2.介绍 DeepResearch 几篇工作？主 Agent 和子 Agent 有什么区别，主要哪些子 agent？
3.RL tool 的 loss 有什么区别？
4.Reasoning 的 loss 有什么其他特点，介绍你知道的（think 和 nothink 的 loss）。
5.PPO、GRPO、DPO 区别。6.DAPO 了解多少，介绍创新点。
6.还有其他 GRPO 变体吗？介绍创新点。
7.手撕：rope，打开 llama github 源码的 rope 介绍和我实现的区别
总结：RL tool的loss忘了，只有这一个失误，然后喜提人才库
#面试问题记录#
全部评论
相关推荐
点赞 评论 收藏
分享
查看6道真题和解析 点赞 评论 收藏
分享
02-06 18:04
兰州理工大学 Java 点赞 评论 收藏
分享