📍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...

双非java鼠，八股背了一些，打算找个日常实习#简历#

T1 给定一个字符串，如"osxmc"，然后让你将字符串里的'm'和'w'互换。最后单行输出T2 然后让你求一个长为n序列，下标从1到n，n从输入读取。要求该序列满足：(求和i从1到n)ai * i 的结果是3的倍数。这个序列用数组的形式输出，并且数组的元素互不相同。然后输入的第一行是t，即为共有几个测试数据。从第二行开始就是n值，比如说第二行是5，第三行是2，说明第一个测试用例是n = 5，第二个测试用例是n = 2。最后输出相应的序列，一个数组打印到一行，每一行代表一个测试用例所对应的结果。若当前输入n无法满足题目最初的要求，则该行输出-1。T3 先定义一个概念，gcd...