字节跳动
大模型算法一面面经
完整信息
本篇目录
攒人品中，祝大家都能拿到满意的Offer！
1.项目拷打
2.GRPO 在Agentic RL的场景下 如何设计针对过程打分
3.针对Agent行为打分，在反向传播的时候，具体到token分数是怎么计算的
4.GRPO中roll out过程的长尾问题，导致GPU使用率低，有什么工程上的解决方案
5.GRPO的GAE是怎么计算的
6.GRPO为什么要在CLIP之后做min
7.DAPO相较于GRPO的CLIP有什么区别
8.GRPO更新公式逐token更新和DAPO的Batch内更新有什么区别，为什么DAP要按照Batch设计
9.GRPO在训练moe模型时候，出现rollout和训练的专家路由不一样的原因是什么，这个问题的解决方案有什么
10.GSPO 具体采取了什么方案缓解这个问题
代码题
二叉搜索树的数量
一道概率题用python写
本篇目录
当前问题0110
- 01
GRPO 在Agentic RL的场景下 如何设计针对过程打分
- 02
针对Agent行为打分，在反向传播的时候，具体到token分数是怎么计算的
- 03
GRPO中roll out过程的长尾问题，导致GPU使用率低，有什么工程上的解决方案
- 04
GRPO的GAE是怎么计算的
- 05
GRPO为什么要在CLIP之后做min
- 06
DAPO相较于GRPO的CLIP有什么区别
- 07
GRPO更新公式逐token更新和DAPO的Batch内更新有什么区别，为什么DAP要按照Batch设计
- 08
GRPO在训练moe模型时候，出现rollout和训练的专家路由不一样的原因是什么，这个问题的解决方案有什么
- 09
GSPO 具体采取了什么方案缓解这个问题
- 10
二叉搜索树的数量