快手-大模型算法工程师-三面

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=...

请问有之前面过快手数据平台部java的朋友吗，有人发意向了吗

手撕：MHA 自我介绍+项目提问约30分钟 涉及八股： Sft的损失函数怎样计算 grpo相对于ppo的改进 grpo的缺点以及改进算法 介绍几种并行训练方式(tp.pp等)哪一种最常用 训练的前向和后向过程中有哪些中间值是fp32,哪些是fp16 场景题： 一个2b的小模型，要想提高其在运算方面的数学能力，怎么设计训练方式？

室友本来是准备考研，都已经买了11408的课和资料，复习半年了，但是前段时间总是听到他在抱怨，打算找工作，然后给我们分析哪里好找，本来以为他开玩笑，考研烦了随口抱怨的话，大家都没放在心上，但是后面他告诉我们找到工作了，拿到offer了，C++岗位，base上海，年薪20w+，直接速通，还骄傲的说自己只学了一周……我们都投了几十上百个offer了，至今无offer，感觉就像考公一样，考得好不如选的好。有人考着考着拿到offer了，有人找着找着还在海里，这个世界糟糕透了