📍面试公司：蔚来🕐面试时间：2026.03.16💻面试岗位：大语言模型强化学习算法实习生❓面试问题：自我介绍项目经历1，拷打项目动机，方法细节，评测方式，遇到的难点和解决方式，提出的方法为什么有效强化学习算法理论基础，介绍PPO算法，算法计算公式，优点，训练流程，介绍GRPO算法，特点，优势有关强化学习算法的代码库，TRL，VERL，Ray等询问对于Agentic RL 的认识，其中可能存在的难点，答了算法侧的稀疏奖励问题和工程实现上各类工具的稳定性编程题，word1->word2的最小操作次数🙌面试感想：自我介绍吟唱时间太长，适当压缩为教育背景，研究背景，项目/实习经历的简单介...

29届java实习，简历包装了一下苍穹外卖和黑马点评，请问有什么项目推荐吗？有必要在简历上补个蓝桥杯，马蹄杯之类的算法竞赛吗？接下来还会继续学习🥹想在暑假去进行第一份实习 有机会吗？求大佬拷打😭😭

免责声明：以下内容是我语音输入，让我的 ChatGPT 总结整理的题解思路，仅做简单复盘分享，可能存在理解偏差。下面先给出四道题 相对标准化的题干描述。如果你只是想练习，可以先只看题干部分，不要往下翻题解。题目一：主播排序给定 N 个直播片段，每个片段包含以下信息：uid：主播编号A：指标 A（越大越好）B：指标 B（越大越好）T：时间（越早越好）index：输入顺序（越早越好）排序规则如下：A 越大越好若 A 相同，则 B 越大越好若 A,B 相同，则 T 越早越好若 A,B,T 都相同，则 index 越小越好现在需要：对于每个主播，只保留其 最优的一个直播片段使用每个主播的最优片段对 主...