自我介绍+项目提问涉及八股：grpo的reward是怎么设计的？多模态的vit是怎么训练的？都涉及哪些训练任务？projector都有哪些形式，起什么作用？多模态中目前最常用的位置编码是什么？手撕*2：1、反转链表(自己定义链表结构，反转链表后打印)2、实现layernorm或rmsnorm反问：多模态主要用于机车智能，主要基于自己的大模型CPM做后训练

1. PPO的原理？从维护的四个model讲，再详细讲一下训练流程和损失函数各个参数含义？2. 为什么有了reward model还需要critic model？critic model作用是什么？3. 交叉熵和kl散度的联系和区别？PPO的kl散度可以改成交叉熵吗？分类任务可以用KL散度吗？4. GRPO的kl散度和PPO的kl散度区别？K1 K2 K3估计区别？5. rollout数量 batchsize数量和计算资源(卡的数量)有什么关系？线性？非线性？6. 真实采样数量一定等于rollout数量吗？7. 提到了拒绝采样，详细讲一下8. vLLM框架是怎么做推理加速的？

阿里的面试都会深挖和细问，但是面试官很面善，交流还算通畅 值得记录都问题：深拷贝和浅拷贝的区别知道序列化和反序列化吗讲一下你所了解的transformer为什么要用多头怎么评判多头学习的有效性矩阵相似度怎么计算为什么要用LN了解大模型AI或者做过吗 代码题：目标和