📍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...

大厂看看我

✅ 春招备战指南 ✅ 💡 学习建议： 先尝试独立解题（建议用时：90分钟/套） 对照解析查漏补缺 配套练习题库 🧸 题面描述背景等均已深度改编，做法和题目本质基本保持一致。 🍹 感谢各位朋友们的订阅，你们的支持是我们创作的最大动力 春秋招合集 -> 互联网必备刷题宝典🔗 题目一：最优删除策略 1️⃣：对数据集进行排序，找出最大值、次大值、最小值和次小值 2️⃣：比较删除最大值和删除最小值两种策略，取较小的波动值 难度：中等 这道题目的关键在于观察到波动值只与最大值和最小值有关，因此最优策略一定是删除最大值或最小值。通过排序后比较两种策略，可以在 O(n log n)...