📍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...

2 月 5 号，到现在 **** 全都已读不回，比秋招个人情况更差了，求大佬指点

0311 一面1.ThreadLocal 的原理？应用在哪些方面？ThreadLocalMap 可以存储以 ThreadLocal 为 key，Object 对象为 value 的键值对2.JVM 内存模型？每个部分有什么作用？虚拟机栈、堆、方法区、程序计数器、本地方法栈3.JVM 垃圾回收机制？标记 - 清除算法、复制算法、标记 - 整理算法、分代回收算法4.判断垃圾的方法有哪些？引用计数法、可达性分析算法5.引用计数法有哪些缺点？垃圾循环引用6.Spring是如何解决循环依赖的？三级缓存机制7.手撕：LRU缓存、无重复字符串的最长字串0315 二面1.项目相关问题2.手撕：字符串大数相乘