小米 · 小米汽车
大模型算法一面、二面面经合集
完整信息
本篇目录
#小米27届全球校招# 一面
1. 项目背景，引入Agent方案的原因
2. 训练数据、离线环境如何搭建，模型与工具交互方式
3. GRPO在项目中的训练流程，超参数设置思路
4. Reward的实现方式，规则Reward与Reward Model如何选用
5. 训练阶段遇到的问题以及对应的解决手段
6. 是否出现Reward Hacking现象，如何处理
7. Top‑k、Top‑p采样原理，两者同时使用的逻辑
8. PPO与GRPO两者的差异
9. DPO偏好优化的实现，loss形式
10. DPO中Reference Model的作用
手撕算法
LeetCode64 最小路径和
反问
团队Agent项目方向、模型训练规模、硬件资源
二面
1. 模型选型依据，选型需要考量哪些要素
2. 训练数据如何构造输入；缺少完整监督轨迹时训练信号来源
3. 业务规则如何融入模型
4. 模型微调实现方式，GRPO基础原理
5. 项目实际收益，测试集表现
6. 离线评测达标后，线上效果验证方案
7. 线上日均数据规模、模型吞吐能力，业务覆盖能力
手撕算法
LeetCode704 二分查找
反问
团队工作节奏，实习生主要工作内容
本篇目录
当前问题0121
- 01
项目背景，引入Agent方案的原因
- 02
训练数据、离线环境如何搭建，模型与工具交互方式
- 03
GRPO在项目中的训练流程，超参数设置思路
- 04
Reward的实现方式，规则Reward与Reward Model如何选用
- 05
训练阶段遇到的问题以及对应的解决手段
- 06
是否出现Reward Hacking现象，如何处理
- 07
Top‑k、Top‑p采样原理，两者同时使用的逻辑
- 08
PPO与GRPO两者的差异
- 09
DPO偏好优化的实现，loss形式
- 10
DPO中Reference Model的作用
- 11
LeetCode64 最小路径和
- 12
团队Agent项目方向、模型训练规模、硬件资源
- 13
模型选型依据，选型需要考量哪些要素
- 14
训练数据如何构造输入；缺少完整监督轨迹时训练信号来源
- 15
业务规则如何融入模型
- 16
模型微调实现方式，GRPO基础原理
- 17
项目实际收益，测试集表现
- 18
离线评测达标后，线上效果验证方案
- 19
线上日均数据规模、模型吞吐能力，业务覆盖能力
- 20
LeetCode704 二分查找
- 21
团队工作节奏，实习生主要工作内容