📍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...

实习了半年~入职体验: 1.Mentor哥是从韩国留学回来的，而我的专业刚好是韩语。第一印象比较好！两个同事姐都非常非常有趣，中午下班一起吃饭一起drink，氛围很友好！ 2.我的工作内容比较简单，但上手会有很多细节的地方，我认为相比我之前的实习会有一丢丢的dirty work，但这也是难免的，更重要的是去体验和了解这个行业或者岗位，提前规划自己的职业道路 3.薪资待遇：运营150/天，产品200/天，需要打卡。9：30-18：30（弹性半小时）晚8点后下班晚饭免费，餐补30元，提供免费零食咖啡茶水健身房 4.得物有很多员工活动，有读书会、球类运动、狼人杀、脱口秀等等，非常有意思！ - 面试经...