📍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...

211勇闯初创小公司头破血流系列4危险行为！请勿模仿！现在想起来还是感觉有些后怕，我居然能从这次出差活着回来……道路千万条，安全第一条啊！！！车子在高速上飞驰，看手机，已经十一点了，从下午出发到现在，车也开了十个小时，除去中间在高速服务站上随便吃了点东西后，一直在不停地赶路。我坐在副驾驶上，忽然听到了司机——也就是那个实习生在叫我，声音很低、很轻。“我看不见了……”“我的眼睛好像看不见了……”什么？？？？？？我的发？？？？？？？？疲劳驾驶？夜路开太多产生了夜盲？我冷汗直冒。“要，要不你靠边停？高速不让停车，但是这也算紧急情况吧，服务站，服务站在哪里，要不，你和老板说一下。”我吓得说话都结结巴巴...