📍面试公司：快手💻面试岗位：大模型❓面试问题：1. ppo，dpo，grpo是什么各种的优劣2. ppo中gae的计算3. dpo的数据要怎么做4. 对于grpo有什么改进的思路，dapo和gspo分别怎么做的5. dpo如果正确和错误都下降怎么办6. 分层强化学习要怎么具体设计agent的思路7. reward怎么训练8. reward hacking是怎么出现的，要怎么解决9. 计算7b模型的占用10. fddp和deepspeed怎么做显存优化11. adamw中最占显存的是什么12. 手撕一个MHA

岗位：26秋招-快手-策略产品（商业化方向） 时间线：8.4投递-8.12业务一面-8.14业务二面-8.19HR面-面完泡池子ing（推得非常快！！） 二面大约40分钟左右，整体氛围偏聊天，业务问题和工作感受穿插着来，下述内容做了结构化调整； 3min-自我介绍 30min-业务问答，相比一面更看重思路和对宏观业务的理解程度； 8min-反问 - 工作意向：未来倾向于做哪个方向的产品；如果发了offer可以提前来实习吗； - QCPX：如何理解QCPX；QCPX相关优化策略有哪些；QCPX机制会遇到什么问题（客户视角/用户视角）；QCPX带来增量的核心原理（模型预估原理是什么；产品的主要做功...

前面常规八股，感觉还不错。后面手撕没出来，但是我也在那耗着，二十多分钟，面试官也有点不耐烦了。后面说思路，他说用dp，我说那你给我写一下吧，他拒绝了，我继续问，是写不出来吗他就笑。后面反问，我就说没手撕出来大概率无了，也没啥想问的。基于之前的快手二面，我问他二面是不是主管面，他说是，我就说果然主管就是不一样，态度不好。哈哈哈，今天属于是倒反天罡了，估计要被老铁厂拉黑了不拉黑我就继续三战

自我介绍详细介绍一下你腾讯的实习参与度最高的需求这个需求的难点是什么，你是怎么解决的讲讲xxx需求是如何评测大模型的效果的有没有做过效果的优化讲讲你在哈啰实习做得最有成就的需求介绍一下特征加载的整体链路服务是如何抗住1wqps的上游拿到这个特征是怎么用的你们的上游有哪些为什么加载特征要求响应时间这么短反问，业务做商家b端