26校招作业帮NLP算法一面

Agent项目深挖
1.SFT vs GRPO 在训练流程的作用区别？
2.数据规模。用了多少条数据？不同类别的比例？
3.数据筛选机制。如何筛选/评估高质量数据？
4.训练过程中的难点。是否遇到 reward hacking、训练不稳定、收敛慢等问题？如何解决？
5.失败case。模型在哪些场景下表现差？根本原因是什么？有哪些改进方案？

Diffusion项目深挖
整体 pipeline 是如何串联的？各模块之间如何交互？看起来性能高度依赖模块A ，如果 A 失效，最终结果会下降多少？

八股
1.BERT架构、输入，训练流程，位置编码
2.Decoder only 文本模型的结构和参数量分析
3.Qwen系列的位置编码，优势是什么
4.LLM模型的损失函数，第一个token的损失是什么

手撕
完全背包问题，动态规划，凑成面额为y的最少货币数量