2025-12-30 23:15 中山大学 算法工程师 发布于山东
关注
疯狂拷打:美团算法面经
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。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。
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。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。
全部评论
相关推荐
投递阿里国际数字商业集团等公司8个岗位 点赞 评论 收藏
分享