美团日常实习二面后多久出结果

1. GRPO是on policy还是off policy？为什么？2. GRPO利用的数据是旧策略产生的，那为什么还叫on policy？3. 重要性采样解决了什么问题？ 公式是怎么样的？解释下每个参数4. GSPO和DAPO分别解决了什么问题？怎么解决的？5. 什么是强化学习的熵崩溃？怎么优化或者解决这个问题？6. 熵崩溃和reward hacking什么关系？7. Qwen3和ds r1区别？8. 如何确定你项目的评估指标迭代是否符合当前需求？9. MLA具体是怎么做的？可以加快推理速度吗？10.  代码题是给三段代码，判断输出。

滴滴后端一二面面经一面40min纯技术面，面试官很友好，时不时会对你微笑，然后点头表示肯定，答对了还会说说得对。挑选一个你最想介绍的项目介绍一下，没有深挖。八股盛宴：C++、C、数据结构、数据库。总结就是不是简单的问你什么是虚函数，然后你说个虚指针，虚函数表就完事了。还会问你空指针可以调用类的方法吗？调用虚函数或者非静态成员变量的非虚函数为什么会崩溃？在什么阶段？大概就是这个意思，所以需要对每个方向的知识点有很深的理解，或者说实际开发中切实的应用过才能答得出来。二面25min个人感觉是目前为止碰到的最让人不解的面试官，全程皱着眉头，问的问题我没理解清楚也不会过多解释，直接默认我不会，然后说那我...

1.Qwen3-8B这里为什么使用 base 而不使用 instruct 模型2.topk和 topp 是什么?3.这个项目为什么不用 RL?4.Transformer 降维是怎么做的?的基本结构，并解释自注意5.Transformer 力机制。6.使用的 Embedding 模型结构是什么?输出向量维度是多少?7.代码:分析时间复杂度和空间复杂度。

题目1：最大正方形