📍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...

好像怎么改都感觉差点东西(๑•́ωก̀๑)希望得到大家的指点和建议呜

感觉挺简单的，没为难我，就30min项目怎么做的全局鉴权，用户的权限信息怎么存的Redis怎么用的，有测过能承受多少并发吗，怎么做的同步redis缓存怎么做的淘汰做的RPC怎么实现的高性能jdk、json、hessian等序列化器有什么区别，为什么jdk的序列化结果大有哪些负载均衡算法，一致性hash是什么netty具体怎么用的