25 届求解

继续来分享下之前的面经~欢迎友好讨论，信息共享八股1. 为什么用decode-only，相比于encoder-only和encoder-decoder的区别；2. 对attention的了解、MHA、GQA这些；3. 分布式训练方式deepspeed这些；4. ppo的了解，grpo，dapo的了解，grpo可能存在哪些劣势5. ppo相比于之前的RL方法的创新点coding将一个整数拆成k个和的形式，求最大乘积

1. 如果让你设计一个 Agent 的规划器，怎么避免它每一步都重新规划，导致路径震荡？规划器不能每拿到一个 observation 就整体重算，不然很容易出现前一步刚决定检索，后一步又改成总结，再下一步又回去检索，整个执行路径会来回抖动。更稳的做法是把规划分成“全局计划”和“局部调整”两层。全局计划只定义阶段目标，比如信息收集、证据校验、结果生成；局部调整只允许在当前阶段内微调具体动作。另外要给 planner 一个明确的状态表示，比如当前子目标、已完成步骤、失败原因、剩余预算。如果没有状态约束，模型会把每次新 observation 当成全新任务来理解。线上一般还会加“重规划阈值”，只有在...

ai应用开发卡学历吗？我需要学习什么技术

想投大厂怕脏面评，但是中小厂基本不理我，求教