华为秋招ai应用开发

1. 自我介绍2. PPO、TRPO、DPO 分别是什么，它们的核心差异在哪TRPO 的出发点是让策略更新别跨太大步，它通过约束新旧策略的 KL 距离，把优化问题写成一个带信赖域的约束优化，所以理论上比较稳，但实现复杂、计算成本也高。PPO 可以看成是 TRPO 的工程化近似，它不直接解复杂约束问题，而是通过 clip 或 penalty 的方式，限制策略更新过猛，因此在实践里更常用。DPO 和前两者不太一样，它不是传统在线 RL，而是直接从偏好对里学习一个“更偏向 chosen、压低 rejected”的目标，相当于把 reward optimization 吸收到一个更简单的监督目标中。P...

2026.4.10，一面，44 min，Boss投递的，对面没开摄像头1. 自我介绍、实习、论文、项目2. 问了些vllm的技术，paged attention、continuous batching等反问阶段，部门主要负责项目落地

友友们，虾皮的校招内推开始了！ 内推码：NTA6LIk 虾皮内推链接： https://app.mokahr.com/recommendation-apply/shopee/2964?recommendCode=NTA6LIk 欢迎大家投递我们的虾皮，有问题评论区打出来！ 虾皮是一个极好的工作场所，加入我们的大家庭！

34周岁IT女+第一学历不好，现在已经到找不到工作的地步了，又没有公司不介意年龄和第一学历啊