华为入池

📍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...

起步的有点晚，学的也是烂大街项目，目前准备投暑期的话应该再补充哪部分知识，求指点

截至2024年12月31日，腾讯员工有110558名雇员 (2023年: 105417名) ，超11万，总酬金成本1128亿元(2023年: 人民币1077亿元)，所以算下来真是人均年薪百万了只不过，里面还包含了社保、福利、股票期权等，到手估计打折不少况且基本上是高管们拿千万大头，基层程序员三五十万……