继续来分享下最近的面经~1.手撕编辑距离2.dpo grpo基本原理 损失函数构成3.reward hacking解决办法4.kl散度5.llm做数据清洗6.QA注入知识的作用7.grpo在cot场景下不稳定怎么改进8.grpo改进9.dapo gspo聊一聊10.transformer模型自注意力机制计算复杂度

感觉面完人都通透了，还是太菜了，下去沉淀一下1- 拷打项目2- SFT 和 GRPO 在优化目标的区别3- GRPO 相关八股：4- Advantages 怎么算的；一组的大小这个超参数，如何影响模型训练5- 为什么全好或者全坏，那这一步就对模型训练不起作用6- GRPO 相比 PPO 的改进，好处是？7- PPO 的 Advantages 具体是怎么计算的8- code：买卖股票的最佳时机（I 和 II）

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2.实习中，处理的时序数据都是什么样的数据？信号代表什么？3.详细介绍一下项目中的技术部分是怎么做的？4.做pre-training的时候loss的权重是怎么设计的？5.简述一下几篇对比学习的工作，介绍一下技术发展脉络？是否了解MoCo？6.有没有做过大模型微调？LoRA是否了解？为什么可以省显存？7.Agent项目里用的框架是什么？它是怎么决定自己要做哪一步的？8.workflow和agent的主要的区别9.问了几个GRPO的问题10.讲一下归纳偏置11.解决模型过拟合的方式12.transformer里的因果attention怎么实现的13.介绍一下位置编码？旋转位置编码的作用14.梯度消失和梯度爆炸的原因？如何解决？15.手撕：最长无重复子串

发一下问题给大家参考，攒攒人品！1.实习拷打2.问项目3.整个背景是什么？4.项目具体有什么难点？是怎么考虑技术选型的，有哪几套方案，为什么选了最后交付的这一套，怎么做实验的？5.怎样用DNN做特征交叉？怎样处理格式化输入？6.介绍一下 Word2Vec。7.了解树模型吗，介绍一下树模型。介绍一下随机森林。8.有哪些处理过拟合的方法？9.手撕：手动实现atoi函数，把字符串转换为整数