极兔
Agent 算法工程师面经
完整信息
本篇目录
主要是拷打简历，然后就是
1、问 GRPO / DAPO / PPO 相关基础：
-GRPO 和 DAPO 有什么区别？
-如果一个 group 里样本全对或者全错，会有什么问题？DAPO 是怎么处理的？
-PPO 的基本流程是什么？
-PPO 里的 policy model、reference model、reward model、value model 什么作用？
2、问 reward model / value model
-reward model 一般是什么结构？和 value model 有什么区别？
3、问 Agent 框架理解
-用过哪些框架？说说场景体验
- Agent 框架的核心模块有哪些？
-ReAct 模式是什么？它和普通函数调用、工作流编排有什么区别？ #发面经攒人品#
本篇目录
- 01
-GRPO 和 DAPO 有什么区别？
- 02
-如果一个 group 里样本全对或者全错，会有什么问题？DAPO 是怎么处理的？
- 03
-PPO 的基本流程是什么？
- 04
-PPO 里的 policy model、reference model、reward model、value model 什么作用？
- 05
-reward model 一般是什么结构？和 value model 有什么区别？
- 06
-用过哪些框架？说说场景体验
- 07
- Agent 框架的核心模块有哪些？
- 08
-ReAct 模式是什么？它和普通函数调用、工作流编排有什么区别？ #发面经攒人品#