拷打了五十分钟项目 全程发散性聊天，经笨人努力回忆有以下关键问题（答得不好的） 1.你这个agent是workflow吗？ 2.你的action都是怎么设计的？ 3.在rl之前有做sft吗？怎么判断sft做到位了？你们看的什么指标？ 4.reward怎么设计的？为什么要用verifier？用的什么verifier？为什么要用这种verifier？具体是怎么用的？后续出现问题你是怎么去调整reward的设计的？ 5.怎么判断熵坍塌的？举例，根据例子进行拷打。 6.怎么判断reward hacking的？举例，根据例子进行拷打。 7.怎么做badcase回流的？哪些badcase进行回流了？必要性如何？ 8.ppo里的value model和reward model怎么训练的？你grpo的reward能不能迁移到ppo里？看过glm5.2的技术报告吗？ 9.pass@k和pass@1是什么？你是怎么去看这两个指标的？ 10.为什么Claude Code里面的skills要写在system里面而不是user里面query+skill？ 笨人只能想起这些了，全程无八股，本来想吟唱ppo，grpo，dapo，gspo来着，面试官不让吟唱八股 手撕非hot100，topcode上最近考察时间为2025-3-11不会，面试官给了思路，但是我的脑子已经不想写了 ————————— 一面通过，约7.6二面 ———————— 横向中，对手是pku的hh #互联网大厂 #互联网大厂实习 #面经 #算法实习 #日常实习#基模