继续来分享下最近的面经~1.正负样本在你的场景下怎么理解 sft数据如何评估的2.如何评估回答质量3.实习拷打4.react介绍一下 为什么用react？5.奖励函数设计逻辑和打分规则6.grpo有没有改进过 全0全1 reward遇到过吗？手撕：二分查找第一个和最后一个位置

给我面没招了，发点面经攒攒人品～1.实习拷打2.介绍项目3.对生成式推荐的看法，优势及局限在哪4.问有没有遇到什么问题及后续迭代方向5.混排对于不同业务形态，新物品该做哪些优化6.后链路生成式有了解过吗怎么做7.tokenmixing的复杂度是多少对比transformer有什么优势反问手撕 最大乘积路径leetcode62改编

发点面经攒攒人品！！！项目深挖八股：1. lora初始化，ab矩阵，设计原理2. dpo数据制作方法，数据格式，如何评价质量3. sft和dpo的原理和目的4. 如何判断dpo学偏，如何解决5. workflow链路设计要注意的点6. 生成任务中的temperature如何设计，低温重复应该如何解决手撕：lc209 长度最小的子数组

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.ppo和grpo区别，为什么不用grpo，dpo损失函数。3.FSDP和DDP区别，对哪些做分片；Megatron以及其并行策略。4.kv cache原理，vllm两个优化。5.awq和gptq。6.lora调参，位置编码，oom怎么办，activation checkpointing原理。7.Qwen3-VL改进，目前多模态大模型一般架构。8.一些cv基础问题。9.手撕：最大四连通域（岛屿最大面积）