字节跳动
搜索算法一面面经
完整信息
本篇目录
被挂了，希望发出来对大家有帮助！
- 在使用大模型训练时，是否考虑过语料重要度的区别以及相应的训练策略改变？
- 在使用DPO和GRPO等框架训练过程中遇到了哪些问题？
- DPO相比PPO解决了什么问题？DPO自己有什么问题？
- PPO相比于Actor-Critic，策略梯度这些方法有什么区别
- 使用vibe coding工具的频率如何？对于claude code，相比于trae的优点是什么？
- 问我有没有看过粗精混这方面的架构，并且说我投的论文是20-21年的东西。
- 有没有了解过agent任务之间互相编排的机制。
本篇目录
当前问题0108
- 01
在使用大模型训练时，是否考虑过语料重要度的区别以及相应的训练策略改变？
- 02
在使用DPO和GRPO等框架训练过程中遇到了哪些问题？
- 03
DPO相比PPO解决了什么问题？DPO自己有什么问题？
- 04
PPO相比于Actor-Critic，策略梯度这些方法有什么区别
- 05
使用vibe coding工具的频率如何？对于claude code，相比于trae的优点是什么？
- 06
问我有没有看过粗精混这方面的架构
- 07
有没有了解过agent任务之间互相编排的机制。
- 08
使用vibe coding工具的频率如何？对于claude code，相比于trae的优点是什么？