感觉面完人都通透了，还是太菜了，下去沉淀一下1.项目拷打，每个问题都很深很细节，问到你不会为止八股：1.attention怎么算？2.QKV和softmax公式；为什么要除根号d？除d行不行？3.grpo不同模型架构上训练的差异4.ppo的value model怎么做的？和actor model输出区别。手撕ppo，grpo公式，两者核心区别，advantage怎么算，kl怎么加。最后一些数据提纯和视频生成的场景题。