字节跳动
大模型实习算法岗面经
完整信息
本篇目录
1.介绍一下 DPO , PPO , GRPO
2.介绍一下奖励函数的坍缩现象和问题
3.离线强化学习和在线强化学习了解么？你的项目里是哪种？
4.代码:onehot100的2d接雨水
5. GRPO 公式？为什么公式里面 clip 了外面还要计算一次 mean 呢？
6.讲讲qwen2.5vl, llama
7.多目标优化奖励函数冲突，
8.介绍一下 QKV 的计算？
9.手撕MHA
本篇目录
当前问题0109
- 01
介绍一下 DPO , PPO , GRPO
- 02
介绍一下奖励函数的坍缩现象和问题
- 03
离线强化学习和在线强化学习了解么？你的项目里是哪种？
- 04
代码:onehot100的2d接雨水
- 05
GRPO 公式？为什么公式里面 clip 了外面还要计算一次 mean 呢？
- 06
讲讲qwen2.5vl, llama
- 07
多目标优化奖励函数冲突，
- 08
介绍一下 QKV 的计算？
- 09
手撕MHA