📍面试公司：美团👜面试岗位：大模型春招📖面试问题：问了 PPO 重要性采样系数怎么才能为1？调节批量，学习率，超参数啥的 不懂，策略收敛最优解不就为一了吗grpo 的 GAE 怎么算，和批量大小有没有关系？为啥没有要PPO的v函数？离轨策略和在线策略的关系？ 冷启动 + grpo 怎么做的？仿真寻优（实习项目）的 PPO 和 openai 的PPO有啥不同？ 项目的p(s'|s,a)=1,状态转移矩阵非常稀疏手撕链表 切断+翻转+链表合并Input: 1->2->3->4->5->6->7Output: 1->7->2->6-&gt...

我没想到这个事还能有后续……我也没想到这个帖子在牛客热榜上挂了好几天……我也没想到这个帖子会被人搬运到xhs……我也没想到我都匿名了，还是被mentor发现了……她给我发微信：没想到你还挺有文采哈哈真的社死🥲这个故事就到这里吧，感谢大家的关注，以后应该也没有后续了（如果有的话我会第一时间告诉大家）话说在牛客发匿名帖子为啥不能匿名回评论啊！