【腾讯】-大模型开发-一二面实习面经，还得练

一面

八股

1. 强化学习相关的方法
2. 对ppo的了解，grpo，dapo的了解，grpo可能有哪些劣势，ppo的value model为什么能够计算出平均的baseline奖励
3. grpo的rollout是多少，为什么不用连续的奖励
4. coding：x求平方根

二面

面试很难，还是要多多练习，感觉自己说不明白业务逻辑

1. leetcode LRU+长度最小子数组
2. 实习拷打
3. 微调介绍
4. PPO, DPO, GRPO
5. ES底层存储原理
6. Redis分布式架构
7. langchain介绍
8. 限流算法?
9. 推理框架