蚂蚁金服一二面面经

1️⃣一面
1、介绍自己的中厂实习，从业务背景，困难，解决方法，自己的产出四个维度阐述。
2、 ppo 和 dpo 区别和原理（因为实习做的就是 rl 相关）
3、是不是用的 Verl 框架做的 rl ？详细讲一下 verl 框架的训练流程。并讲一下配置文件中 rollout _ batchsize , global _ batch _ size , micro _ batch _ size _ per _ device _ for _ update , rollout . n 等等参数的关系，以及他们如何影响最终更新时每张显卡上的样本数。
4、reward function 如何设计的为什么这么设计？
5、critic model 作用是什么？为什么有了 reward model 还需要 critic model ?
6、有没有了解最近的 rl 方法？过了一遍 grpo , dapo , gspo 过了的主要改进点
7、计算机基础八股： B 树和 B 一树的区别。如果 CPU 突然被打满了，如何排查？什么情况下会出现锁，如何解决。
8、核心代码模式，写一下大模型预测
token 时， beam 树如何构建，如何得到最终的结果（ pytorch 简单实现了一下，主要是还是讲明白）
9、手撕hot100，中等题，最小生成树。
2️⃣二面
1、简单介绍中厂实习经历。
2、模型蒸馏的数据如何做的？如何清洗蒸馏得到的数据？
3、有没有使用强化学习做过数据仿真。这个之前看过一篇论文，刚好讲了一下。
4、有没有了解过训练推理一致性这个领域？我讲了一下强化学习领域的推训一致性，固定 flash attention 分块策略， vllm 推理框架固定 page attention 分块策略。
5、模型量化如何做的。 gptq , qat 等等，并说明为什么选择了w8a16的量化？
6、写一下 ppo 算法的损失函数和 GAE 优势函数。主要还是讲明白
7、 grpo 算法中 kl 散度和之前的方法有什么区别？在 dapo 中为何舍弃了 kl 散度？
8、模型蒸馏主要的两种方式。硬标签和软标签。
9、介绍一下 kmeans 算法，如何设置合适的 k 值。如果在一个非常大的数据量中，如何实时增量更新，并动态管理 k 值。
10、一个场景题
11、手撕题hot100，中等题，合并 k 个升序链表。
📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。