阿里巴巴
Agent 开发工程师一面面经
完整信息
本篇目录
给我面没招了，发点面经攒攒人品～
1.拷打自己的论文项目，会问很多细节的问题
2.八股如下：
1.RL训练中一般看什么参数
2.reward hacking是什么，一般在参数中怎么体现
3.PPO GRPO DPO 优势劣势 适用场景
4.DPO 需不需要加KL
5.rand7()怎么变成rand10() 拒绝采样
本篇目录
- 01
RL训练中一般看什么参数
- 02
reward hacking是什么，一般在参数中怎么体现
- 03
PPO GRPO DPO 优势劣势 适用场景
- 04
DPO 需不需要加KL
- 05
rand7()怎么变成rand10() 拒绝采样