腾讯AI技术研究一面 实习面经

被拷打麻了....
1.R1复现方案，奖励函数为什么这么设置？有考虑过数据泄露的情况吗，就是如果你改的这些题目比较相似的话？有没有出现中英混答的情况？怎么解决？为什么你的最后结果没有突破到更高的分数？你说你用的Kimi K2和Gemini，是什么形式的？API还是网页？如果说不是输出你的奖励词语，也是可以做到推理的，你怎么考虑这个问题？
2.手机助手项目拷打：介绍背景，怎么做的。如果我现在的场景是APP更新之后，点击的模块发生变化，你会怎么解决这个问题？如果是上下滑动找商品呢？
3.GRPO如果组内设置的size非常小的话会怎么样？
4.GRPO的平均是怎么计算的？
5.场景题：如果让你来搭建一个LOL的陪玩助手，你会怎么搭建？可以从数据选择，整个架构设计来说。如果用户发现你的这个助手语气太生硬了，你怎样解决？如果版本更新，装备这些东西变了，你是训练到模型里面去的，模型需要重新训练吗？有没有什么解决办法？如果是LOL你在对线的时候，发生了小龙团，你怎么样让助手去做这种场景的一个提醒规划？
6.有了解过MOE模型吗？
7.讲下PPO
8.MCP和Skill有了解吗？
9.代码：先写打家劫舍，然后改进输出具体打劫了哪些