智谱大模型agent一面

项目深挖
1. 训练参数设置&资源配置细节
2. DPO训练loss的直观含义（别讲公式！要大白话）
3. 为啥不直接SFT，非要搞DPO？（核心是对齐效果差异）
4. 负样本构造逻辑
追问：长链路GUI下正负样本长度不一有啥影响？原因是啥？
5. 为啥选GRPO？对比过其他算法吗？
6. tool response需要loss mask吗？理由是啥？
7. 训练任务中mcp构造数量+具体case
8. 训了几版模型？印象最深的bad case是啥？

八股问答
1. 看过AUTOGLM论文吗？其他大模型论文呢？印象最深的点是啥？
2. 给定模型层数+隐藏层维度，估算参数量级+解释计算逻辑
3. 同参数同序列长度，计算kvcache大小

手撕代码
流式输入输出处理规则（划重点！优先级很关键）
1. 被<think></think>包裹的字符直接隐藏（优先级最高）
2. mcp调用只输出instruction里的内容
3. 其余内容正常输出