攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.GRPO 在Agentic RL的场景下 如何设计针对过程打分3.针对Agent行为打分，在反向传播的时候，具体到token分数是怎么计算的4.GRPO中roll out过程的长尾问题，导致GPU使用率低，有什么工程上的解决方案5.GRPO的GAE是怎么计算的6.GRPO为什么要在CLIP之后做min7.DAPO相较于GRPO的CLIP有什么区别8.GRPO更新公式逐token更新和DAPO的Batch内更新有什么区别，为什么DAP要按照Batch设计9.GRPO在训练moe模型时候，出现rollout和训练的专家路由不一样的原因是什么，这个问题的解决方案有什么10.GSPO 具体采取了什么方案缓解这个问题代码题二叉搜索树的数量一道概率题用python写