八股小子 两周速通美团

被横向挂了，希望发出来对大家有帮助！1. 先answer后cot和先cot后answer，做SFT有什么区别？是否对比过效果？2. 怎么确保人工标注的数据准确率符合预期？3. 如何选择合理的SFT的checkpoint，用于后续的RL？4. 图片怎么输入模型的，一张图片有多少token？5. 你觉得RL和SFT有什么区别？6. 为什么不只做RL，而选择SFT then RL？7. 重要性采样是什么，为什么RL中要加入CLIP机制？8. On-policy和Off-policy有什么区别？八股1. Transformer的decoder中为什么要用自回归因果掩码？2. 缩放点积注意力为什么要除以$\sqrt d_k$？

被横向挂了，希望发出来对大家有帮助！1. 讲一下主要的多模态模型的模型结构2. 对多模态的数据有什么了解，我回答之前看了一些多模态cot的工作构造的dpo数据，以及毕设做的多模态数据增强3. 之前的工作的多模态数据有什么特点和创新点，觉得还可以有什么改进4.统一生成理解模型下游微调各个任务的数据是怎么构造的5. dpo算法是怎么实现的，和其他强化学习有什么区别6. 看项目有目标检测任务，问了IoU是怎么算的，目标检测一般有哪些损失优化code：1. 实现dpo损失，按照想法能写多少是多少，不要求跑通2. 手写IoU损失，要求跑通

发一下问题给大家参考，攒攒人品！1.项目拷打2.实习拷打3.论文拷打4.你更希望找长期实习，那你觉得什么样的工作内容会让你更愿意一直做下去？5.在xx那段主要是做数学解题这个方向，这个事情当时业务上是要解决什么问题？6.一开始为什么是用OCR加文本这种方案？后面为什么觉得不太够用了？7.你们后来换成多模态，是在哪些场景下收益最明显？8.你做的那一整套训练流程，对最终效果提升最大的是哪一块？9.模糊图效果提升挺多的，这块你觉得主要解决了什么问题？10.你们在数据这块做了很多处理，比如去重这些，这些工作你觉得值不值？有没有量化过收益？11.在强化学习这块具体是负责哪一部分？12.奖励大概是怎么定义的？有没有遇到奖励不合理的情况？13.强化学习训练过程中，有没有出现模型“学歪了”的情况？是怎么处理的？14.在xx公司那段用的是GRPO，当时为什么会选这个方法？15.小模型能做到80%以上这个效果，你觉得核心原因是什么？16.在比赛里做的是Agent推荐，这个和传统推荐最大的区别是什么？17.多代理那套方案里，哪一部分是你觉得最关键的？18.做了memory，这个东西实际带来的提升是什么？19.对现在这种Agent框架，比如OpenClaw，整体怎么看？20.如果让你用OpenClaw去做一个发券或者运营自动化，你第一步会怎么设计？21.你觉得这种Agent在业务里最大的风险点是什么？