荣耀大模型算法实习一面分享

攒攒人品！有面试过同岗的朋友欢迎评论区交流1- 问项目2-为什么选择grpo不用sft，技术选型，什么时候用sft，什么时候用蒸馏，什么时候用grpo3- grpo训练中观察什么指标4-八股：5- grpo 的 loss 讲讲6- Advangates 怎么算的，在整个训练中起什么作用，为什么需要Advatanges，直接用奖励去算不行吗？7-重要性采样，为什么需要。如果一次新策略和旧策略差别很大，那重要性采样还有用吗8- grpo的k|散度和ppo的kI散度是一模一样的吗9- ppo grpo Fon-policytEoff-policy10- ppo中advantages是怎么得到的？11- 信用分配，grpo中，比如一个采样结果，是序列级别的，如果这个序列的最终奖励高，那么是如何分配到每个token的12- Agent 做多轮工具调用 和单轮，可能有什么挑战？13- code: x 的平方根

我秋招时有个面试官让我介绍完我的实习经历后带我一步步分析，帮我如何让实习经历更有深度，有哪些是我没考虑到的，最后还让我开屏幕共享，现场指导我改简历，虽然后面没后续了，但面试官挺好

攒攒人品！有面试过同岗的朋友欢迎评论区交流1、都知道哪些vllm的优化技术？2、在现有模型的基础上，由于算力问题，如何利用大模型来蒸馏一个3B的模型？3、logistic回归的模型原理和loss。4、给定一个时间序列，如何通过机器学习的方法进行建模筛选出来重要的特征，然后基于规则方法进行建模5、DeepSeek-MTP是用在训练阶段还是推理阶段的，具体过程是怎样的？6、在现有大模型的基础上，如何通过agent的相关方法，训练一个coder模型，撰写金融领域相关模型的代码。

感觉面完人都通透了，还是太菜了，下去沉淀一下1- 拷打项目2- SFT 和 GRPO 在优化目标的区别3- GRPO 相关八股：4- Advantages 怎么算的；一组的大小这个超参数，如何影响模型训练5- 为什么全好或者全坏，那这一步就对模型训练不起作用6- GRPO 相比 PPO 的改进，好处是？7- PPO 的 Advantages 具体是怎么计算的8- code：买卖股票的最佳时机（I 和 II）