作业帮- AI应用算法一面凉经分享

感觉自己好菜、面试很难，还是要多多练习
1.实习拷打
2.Agent和模型方面你更倾向于什么？为什么在实习还在考虑其他公司？
3.问GUI-Agent项目：背景是什么？为什么这么做？单用SFT不行吗？online的方法是什么？GRPO在这里面起什么作用？你的奖励函数是怎么设计的？为什么这样设计？后续的版本是怎么做的？衰减因子没有考量一下长短链路的问题吗？为什么用2B的模型，其他模型效果应该是可以解决的？图标分不开的情况如果是通过数据层面去解决有试过吗？有考虑过直接做前后状态判别的惩罚解决你遇到的reward hacking问题吗？GRPO有几个模型？损失函数知道吗？reference model具体的作用是什么？
4.你遇到过大模型输出的时候复读机的情况吗？代码：判断复读机情况，最后一次可以不算进去。
5.平时有用哪些AI工具？有自己写过Skill吗？
6.DPO真的有解决你遇到的问题吗？还是那你认为DPO能否解决复读机问题呢？你怎么看SFT和DPO？