📍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...

一、编程题高频考点01串交换问题题目描述：交换01串中两个不同字符，求生成不同字符串的数量。考察点：数学规律推导（0的数量×1的数量）+ 特判长度为2的情况（01/10两种可能）。注意点：需用long long类型避免溢出，部分用例需处理全0/全1的情况。5×5矩阵数字识别题目描述：从含#和数字的矩阵中识别特定数字形状（如数字0-9）。解法思路：模拟法：统计每行非#符号数量生成哈希值，匹配预设哈希表。特例判断：如数字7、2、3、5等通过特定位置符号分布识别。异或最大值查询（动态集合操作）题目描述：维护一个支持插入、删除的集合，每次查询与目标值的最大异或结果。考察点：Trie树动态维护与贪心匹配...