技术面的最后一面有的是二面有的是三面，有一次非常长，主要是在讨论论文，不但讨论我自己的工作，还要打开最后的实验结果表讲一篇别人的。也有一次主管面速通，半小时无手撕，纯项目和场景题，疯狂拷打场景。

最大数快速排序全排列常数时间插入、删除和获取随机元素最长无重复子串二元交叉熵函数三数之和爬楼梯编辑距离最大的k个数岛屿数量手写mhak个一组反转链表排序数组查找元素的第一个和最后一个位置

连着两次二面挂了每次一面结束都是秒约，感觉二面每次聊的还行，面试官还夸基础扎实。然后就是三天后自动入池，团子啊团子

📍面试公司：美团💻面试岗位：大模型❓面试问题：1. 讲一下ppo和grpo2. grpo对于ppo的改进3. 什么是agent4. 讲一下agent的架构5. 4b模型的推理显存占用没怎么问实习，问了好多论文啊，而且没有手撕，害怕

📍面试公司：bilibili💻面试岗位：大模型❓面试问题：1. 从理论上为什么用dpo2. dpo的beta是什么意思3. dpo训练不符合要求的时候怎么办4. ppo的奖励稀疏化怎么办5. dpo的做法上有什么难处，从数据和模型上来说6. on-policy和off-policy7. dpo的loss

📍面试公司：oppo💻面试岗位：大模型❓面试问题：1. 问实习2. 问了ppo和dpo的区别3. 问了agent的链路是不是pipeline好像是纯聊天局

📍面试公司：oppo💻面试岗位：大模型❓面试问题：1. 讲一下多agent怎么做的，多个子agent是怎么协调的，输出的都是什么2. 讲一下deep research3. 怎么去做文本字数识别4. 有没有看领域内最新的论文5. 讲一下grpo6. dapo改进是解决什么问题7. 怎么理解上下文工程

📍面试公司：快手💻面试岗位：大模型❓面试问题：1. ppo，dpo，grpo是什么各种的优劣2. ppo中gae的计算3. dpo的数据要怎么做4. 对于grpo有什么改进的思路，dapo和gspo分别怎么做的5. dpo如果正确和错误都下降怎么办6. 分层强化学习要怎么具体设计agent的思路7. reward怎么训练8. reward hacking是怎么出现的，要怎么解决9. 计算7b模型的占用10. fddp和deepspeed怎么做显存优化11. adamw中最占显存的是什么12. 手撕一个MHA

目前处于挂的挂泡的泡的状态，真的累了百度泡OPPO泡美团泡阿里云泡快手每次约面约两周后（真服了）字节二面挂阿里国际一面挂饿了么高德简历挂累了累了什么时候结束，赐我一个offer吧

我选绝对坑，不能接受，发实习offer再转正坚决不接受，签三方提前实习抵消试用期可以考虑小鹏是要实习的，但是拒绝实习也会发意向百度提前批说要实习，拒绝以后也没被挂，现在在泡池子

好喜欢我的mentor，话不多但是很照顾人。分任务也很详细，从来不藏私。会一起吃饭给我带小零食，而且和我有好多很一致的小习惯，好喜欢她

美团二面挂两次了，给个机会吧不然📍面试公司：美团💻面试岗位：大模型❓面试问题：1. 问实习2. 为什么做dpo3. 为什么选ppo4. 对于gspo等修改有没有了解5. 简单问了论文6. vllm是怎么加速的7. qlora是怎么做的8. 手撕 lc 72

📍面试公司：阿里国际💻面试岗位：大模型❓面试问题：1. 实习2. 强化学习拷打，包括为什么ppo，dpo，grpo3. 讲了一下ppo和grpo的区别，grpo有几个模型4. ppo里critic和reward的意义，二者的loss5. reference能用什么来替代6. deepseek的mla7. 各种kv的方法8. 手撕了一道非lc

📍面试公司：b站：💻面试岗位：大模型❓面试问题：1. 实习2. llm的pretrain的loss3. sft的loss4. dpo的loss以及参数的含义5. ppo和dpo有什么区别，什么时候选择6. grpo什么时候选择，为什么不用grpo7. 手撕 lc215