字节大模型应用面经

1. GRPO 算是 on-policy 还是 off-policy？为啥？2. GRPO 用的数据不是最新的，为什么还算 on-policy？它的 buffer 是怎么回事？3. 重要性采样是干嘛的？公式长啥样？能解释一下吗？4. GSPO 和 DAPO 各自解决了什么问题？用了什么方法？5. 强化学习里的熵崩溃是啥意思？怎么解决？有必要解决吗？6. 熵崩溃是咋引起的？7. 熵崩溃和 reward hacking 有关系吗？8. 看过 DeepSeek 的技术报告吗？它在推理速度上做了哪些优化？或者说，模型层面有哪些加速推理的技巧？9. MLA 是怎么回事？能加速推理吗？10. Qwen3 ...

📍面试公司：字节💻面试岗位：大模型❓面试问题：1. 拷打实习2. 简单拷打论文3. lora的含义以及初始化4. transformer的结构，encoder和decoder是怎么交互的，二者的mha有什么区别5. 问dpo有什么优劣6. dpo具体是怎么学习的7. 手撕 lc200

面试官对我的学校和比赛很感兴趣，问了很多，然后说八股虚头巴脑的就不问了。直接让上手写一个简单MVC业务，就随便从零开始写了一个Spring三层。反问：业务主要是toB吧，至少是个Web总结：要求没那么高，基本纯聊天，聊的挺开心的。而且这家朝九晚五挺轻松的，可以考虑过渡一下。

大三了遇到这种。。。该怎么逃出去实习啊，班上还有其他人手写几小时，也被莫须有AI写的而且十分爱点名