大模型算法日常实习-字节- TT搜索

攒攒人品！有面试过同岗的朋友欢迎评论区交流
项目：
1. 意图识别具体分哪几类？是怎么做的？
2. 如果是多意图该怎么处理？（单标签 vs 多标签分类）
3. 场景题：动态意图问题：某个关键词词意图随时间/热点变化，模型如何适应？
4. RAG在意图识别的作用
5. 3B模型大流量场景下，有什么办法既能利用3B模型的效果，又不需要实时推理？
6. vllm技术优势 为什么推理性能好

1. 为什么选Qwen做裁判？有没有做过不同模型版本、参数的消融实验？交付指标是什么？
3. dpo的正反馈样例具体指什么？是人工标的还是线上的？
4. SFT后做DPO：DPO和RLHF（PPO）的区别是什么？
5. 如果没有 Reference Model（参考模型），去做RL/DPO训练，会产生什么后果？（考察：KL散度约束的作用，防止Reward Hacking和语言崩坏）。

八股
1. DeepSeek-R1：熟悉吗？它的训练或结构创新点是什么？ （r1-zero 和 r1）
2. GRPO：GRPO和PPO的区别？
3. 在RL中，如果模型每次Rollout都随机不出正确答案（一直0分），导致训练停滞，该怎么解决？

Lc 239 滑动窗口最大值