同花顺
LLM 算法实习生二面面经
完整信息
本篇目录
继续来分享下最近的面经~
1.PPO算法是用什么框架做训练的，对该框架中相关代码是否了解?
2.介绍一下实习2的这个项目的相关情况
3.项目中用到的千问3模型，其多模态能力对齐是怎么做的?
4.项目中用到的GSPO原理是什么?
5.Sequence级别与token级别的强化学习训练有什么区别，各自适用于什么样的训练场景?
6.对千问30B-A3B模型的架构是否了解，其中的专家网络具体是怎么做的?
7.项目中用到的千问相关模型是否存在上下文相关的问题?
8.在RAG系统中，若存在多轮对话的情况，从哪方面提升模型上下文能力?
9.抛开实际应用场景，PPO算法的损失包含哪几部分?
10.在实际流程中，PPO算法的相对优势是怎么计算的?
11.分析PPO算法各部分在流程中的位置以及具体计算方式
本篇目录
当前问题0110
- 01
PPO算法是用什么框架做训练的，对该框架中相关代码是否了解?
- 02
介绍一下实习2的这个项目的相关情况
- 03
项目中用到的千问3模型，其多模态能力对齐是怎么做的?
- 04
项目中用到的GSPO原理是什么?
- 05
Sequence级别与token级别的强化学习训练有什么区别，各自适用于什么样的训练场景?
- 06
对千问30B-A3B模型的架构是否了解，其中的专家网络具体是怎么做的?
- 07
在RAG系统中，若存在多轮对话的情况，从哪方面提升模型上下文能力?
- 08
抛开实际应用场景，PPO算法的损失包含哪几部分?
- 09
在实际流程中，PPO算法的相对优势是怎么计算的?
- 10
分析PPO算法各部分在流程中的位置以及具体计算方式