Agent 算法工程师二面面经

配图文字：

二面

1. 用 gspo 的原因是什么？是因为它是 sequence level 还是因为用的 MOE 模型？
2. dapo 怎么做动态采样
3. grpo 为什么错误答案长，正确答案短
4. 从原理讲 ppo loss 里面为什么没有 kl 散度
5. grpo loss 里面的几个参数分别是什么意思
6. 如果对模型结果进行评测