昨天 23:17 中山大学 算法工程师 发布于山东
关注
大厂推荐算法面经10问
1.你知道 DPO 的损失函数公式吗，
2.GRPO , PPO 与 DPO 区别是什么
3.GRPO / PPO 是 on policy 还是 off policy 的， DPO 呢
4.DAPO 对 GRPO 的改进有哪些
5.Gspo 对 Grpo 的改进有哪些
6.比较一下 process reward 和 outcome reward
7.强化学习训练时遇到 reward 上升，但 validation 时效果下降，有哪些解决思路
8. VeRL 框架是同步的还是异步的，具体的训练流程是什么
9.了解 RL 的训推不一致问题吗？训推不一致的产生原因是什么
10.你认为未来 SFT 阶段和 RL 阶段，哪个更重要
📳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 , PPO 与 DPO 区别是什么
3.GRPO / PPO 是 on policy 还是 off policy 的， DPO 呢
4.DAPO 对 GRPO 的改进有哪些
5.Gspo 对 Grpo 的改进有哪些
6.比较一下 process reward 和 outcome reward
7.强化学习训练时遇到 reward 上升，但 validation 时效果下降，有哪些解决思路
8. VeRL 框架是同步的还是异步的，具体的训练流程是什么
9.了解 RL 的训推不一致问题吗？训推不一致的产生原因是什么
10.你认为未来 SFT 阶段和 RL 阶段，哪个更重要
📳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
点赞 评论 收藏
分享
这世界真是越来越看不明白 点赞 评论 收藏
分享