唯品会
大模型算法实习面经
完整信息
本篇目录
1.轨迹数据跟使用工具 任务复杂度有关系，你介绍一下最短最长的轨迹数据的工作调用。
2.一个长轨迹的数据 怎么做sft ？
3.基模很强tool use能力，那我们做tooluse的sft 的目的是什么，要让他学到什么？
4.你觉得现在主流一些agent框架在harness上有啥区别？比如openclaw claude code这些？
5.step level 的sft 和GRPO，为什么在GRPO之前要进行sft。
6.使用tool call的时候，一般是注册一个tools，那把这个tools 用MCP的json 注册进去 这些背后发生了什么？
7.GRPO相对奖励怎么来的？这个项目里面。
8.奖励设计，参考toolrl 这里两方面奖励 其中内容奖励是？
9.多工具调用的工具依赖性，这一块你是怎么设计他的reward的呢？
本篇目录
当前问题0109
- 01
轨迹数据跟使用工具 任务复杂度有关系，你介绍一下最短最长的轨迹数据的工作调用。
- 02
一个长轨迹的数据 怎么做sft ？
- 03
基模很强tool use能力，那我们做tooluse的sft 的目的是什么，要让他学到什么？
- 04
你觉得现在主流一些agent框架在harness上有啥区别？比如openclaw claude code这些？
- 05
step level 的sft 和GRPO，为什么在GRPO之前要进行sft。
- 06
使用tool call的时候，一般是注册一个tools，那把这个tools 用MCP的json 注册进去 这些背后发生了什么？
- 07
GRPO相对奖励怎么来的？这个项目里面。
- 08
奖励设计，参考toolrl 这里两方面奖励 其中内容奖励是？
- 09
多工具调用的工具依赖性，这一块你是怎么设计他的reward的呢？