无论文勇闯秋招算法岗——文远知行一面

整体的沟通不是很顺畅，面试官一直在纠结项目背景，我说是技术预研，他一直问有没有业务背景

自驾的强化学习和llm的不太一样

他们是传统的RL，也不是多模态

问了一些项目，面试官好像不太懂

问了我几个问题

GRPO的优化目标？

KL散度的作用，为什么要KL散度？

为什么有些论文移除了KL散度？

这样会不会灾难性遗忘？

GRPO比PPO的优势，我说移除了reward model，以及去掉了value model。但是面试官不是很满意，说这不是GRPO主要的改进。

工作比较flexible

考了一个

leetcode.162

（把这题理解为爬坡，当num[mid] <num[mid+1] 说明是往右的一个上坡，left=mid+1即可(当前这个坡的峰值只可能是mid+1及其右边)，mid=(left+right)//2，重复操作，最后剩下一个元素的时候，就是峰值。）

感觉这个组不是弄大模型的，更多的是传统的一些自驾相关的，不是很匹配