📍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...

约面了，我想让他稍微再确定一下待遇和工作内容再考虑面不面试的

第一题：签到题，过了。第二题：最短路径，dijkstra算法只过了60%。对路径加上R和B的分类，过了90%，不知道哪里没考虑到，下一题第三题：动态规划，只过了60%，不知道哪里错了，下一题。更新：我没有过滤掉 end < start更新：想到一个我可能没考虑的情况，end=start第四题：模拟，需要处理连续的词语放到一起。算法不难，难的是理解题目，过了。从前往后遍历id映射，如果发现当前id对应的与前面的是连着的（EN和CH任意一个），就放到前面，没连着就新开一个新字符串放。如果对你有用的话，求个花花