招商银行 长沙分行

📍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...

不知原委，静观其变

211勇闯初创小公司头破血流系列3这件事不是发生在我身上的，但前同事们参与创作的积极性空前高涨，为了习惯，还是都采用第一人称的视角来看这出大戏。有一天老板在我们的眼皮底下接了一个电话，最终敲定了去北京出差的时间，下周一。他得意洋洋地说，这单下来保底五百万的流水，如果成了，我们都能得到五位数的提成。这对于一群刚上班的人来说是天大的诱惑，我们经历了周末的无偿加班，把他去北京所需要的文件都准备好了。只是在去北京的周一当天，老板睡过头了。整个上午都没见他的踪影，给他发文件也不会，打电话问问题也不接，直到中午才姗姗来迟。当然，这只是拉开了这场恐怖出差的序幕。只见他来了也不紧不慢的，手指在办公室转了一圈，...