算法题：多头注意力，面试看会分头就给过。 底层：关注以下几个点，agent组，怎么训练？怎么搭连路？怎么构造工具？ 其中训练很有意思，尤其是agent强化训练，面试官直言，没有全量强化经验的人我们不要。针对reward设计（为什么这么设计？有什么用？能更快收敛还是更好效果？），超参数调优（什么图像意味着什么要做什么样的调整）问的很细。 上层：考察面试者的视野，讨论了最近的几项技术，比如env based的训练，快手的ARPO看过没～，你怎么看环境的搭建，你觉得long horizon的任务怎么结合环境训练？你用过verl搭环境训练吗？比如GSPO为什么重要？同比DAPO（面试官直说这就是个消融...

如果秋招可以重来，我会认真准备招聘 对待每一份考试，摆正心态 抓住机会，秋招也慢慢的进入尾声了，错过了不少，有些是自信心不够 自己拒绝了offer，其实说到底 一定要读个好学校 机会才多，但事实是人总是后知后觉的 ，我以后一定脚踏实地，努力工作，不断向上奋斗 ！

二面 1、实习项目中spdlog库的使用方法 2、聊了一下工作地点，职业规划 3、简单问了下实习 4、是否有系统性地学习过机器学习或深度学习课程？大模型相关的算法背景和理论知识是如何构建的？ 5、具体说明你在大模型领域学习了哪些内容，以及是如何学习的 6、讲一下你对强化学习的了解 7、除了RLHF，是否了解强化学习中的其他具体算法（Q-learning、策略梯度等） 8、这些强化学习算法与大模型中的强化学习是什么关系？ 9、了解PPO算法吗？ 10、谈谈对目前主流大模型的认识以及底层架构 11、DeepSeek在哪些方面做了改进使其训练成本显著降低？ 12、GRPO算法了解吗？ 13、微调、预...

开了个白菜，抑郁了好几天了