荣耀高频面试题
项目拷打
原题实习提问：项目的背景
原题实习提问：sft和rl的数据构造
原题实习提问：为什么要用rl来优化模型，在sft的时候遇到了哪些问题，又是怎么解决的？
原题实习提问：RL的时候奖励函数是如何设计的？最终效果怎么样？
原题项目提问：它的记忆管理是如何做的？
原题项目提问：为什么要用多agent来做？
原题项目提问：多个agent之间是如何进行信息交互的？
原题数据构造策略 评价指标 验证方式
原题用的什么训练框架 怎么优化显存
原题八股：dp ddp tp等区别
原题介绍整体架构和细节
原题rl奖励函数设计方法
原题八股：grpo和ppo的区别
原题
暂无题目