这两道题怎么做，大佬们

📍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...

决赛圈了，暑期实习，两个都要转go所以语言就无所谓了。字节豆包部门算是新兴部门吧，base上海，发展前景可能好一些，但是字节转正率可能没腾讯高腾讯pcg qq部门没怎么了解过，但是贴主家在深圳附近，而且腾讯转正似乎挺高所以纠结是去豆包这种新业务部门梦一个转正，还是去转正率相对高一些的qq