📍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...

请问这是谁  Deepseek和我说是华为  我不信

感觉又被kpi了，面试官全程不开摄像头+会议只有三十分钟首先又是一道题高精度乘法直接秒了，然后无八股全程拷打项目，具体做了什么、项目背景、技术选型等，场景题微信点赞感觉答得不算太好，然后聊AI、实习时间等，总体来说比较愉快，另外是面了这么多场下来唯一一个拷打了第二个项目的面试，但是只是稍微问了一下全程约45分钟，求放过更：已过，面的时候问了后面还有一到两次面委，纯折磨