import torch import torch.nn as nn import torch.nn.functional as F class GRPO: def __init__(self, policy, ref_policy, lr=1e-5, beta=0.02, eps_clip=0.2): self.policy = policy self.ref_policy = ref_policy self.optimizer = torch.optim.Adam(policy.parameters(), lr=lr) self.beta = beta self.eps_clip = ep...

如图

产品面经，摘自优秀牛油一面：群面（产品和运营混合），一组大概78910个人吧（我们组10个），我们抽到的题目是选一款直播APP，设计成小程序，并简要设计初期冷启动的增长方案。一个小组有30分钟的讨论时间（自我介绍+leader自荐+讨论+汇报+补充）。中午等一面结果，10进3。二面：单面（业务面），是一个很温柔的面试官，问题也比较常规，主要围绕简历，问实习经历的项目和科研经历，抠得比较细，会问一个项目是怎么做的，有什么收获（贡献），数据分析对于产品的意义，还让我介绍了我的两个科研项目。三面：HR面，问了一些家庭基本情况，研究生的日常（科研、生活、工作），杭州和深圳的印象，杭州景点推荐，给HR推...