阿里巴巴 · 淘天
Agent 算法工程师一面面经
完整信息
本篇目录
1. 常规分类任务，为何选择推理式建模而非原生分类方案？
2. 多业务标准不统一，单模型如何承载多任务、规避任务冲突问题？
3. 单正例搭配多负例的DPO训练，模型能否学习负样本之间优劣排序？
4. DPO训练造成模型分布尖锐后，是否可以接续开展GRPO训练？
5. 分类场景下DPO效果优于GRPO的核心原因是什么，二者能否串行训练？
6. 单次LLM打分评判算不算Agent？和多轮工具调用Agent核心区别在哪？
7. Agent体系中Skill、Memory、RAG三大组件分别解决什么核心问题？
8. Agent记忆模块如何迭代更新，新旧经验冲突时该怎样取舍留存？
9. Agent强化学习仅依靠最终结果设计奖励是否够用，多步工具轨迹如何做信用分配？
10. 字符择优连续区间问题，如何转化为最大子数组和问题，Kadane算法复杂度优化逻辑是什么？
11. 技术研发为何从判别式任务，逐步转向生成式对话与自主Agent研发？
12. 在线on-policy蒸馏和强化学习有什么区别，哪种更容易突破教师模型性能上限？
本篇目录
当前问题0112
- 01
常规分类任务，为何选择推理式建模而非原生分类方案？
- 02
多业务标准不统一，单模型如何承载多任务、规避任务冲突问题？
- 03
单正例搭配多负例的DPO训练，模型能否学习负样本之间优劣排序？
- 04
DPO训练造成模型分布尖锐后，是否可以接续开展GRPO训练？
- 05
分类场景下DPO效果优于GRPO的核心原因是什么，二者能否串行训练？
- 06
单次LLM打分评判算不算Agent？和多轮工具调用Agent核心区别在哪？
- 07
Agent体系中Skill、Memory、RAG三大组件分别解决什么核心问题？
- 08
Agent记忆模块如何迭代更新，新旧经验冲突时该怎样取舍留存？
- 09
Agent强化学习仅依靠最终结果设计奖励是否够用，多步工具轨迹如何做信用分配？
- 10
字符择优连续区间问题，如何转化为最大子数组和问题，Kadane算法复杂度优化逻辑是什么？
- 11
技术研发为何从判别式任务，逐步转向生成式对话与自主Agent研发？
- 12
在线on-policy蒸馏和强化学习有什么区别，哪种更容易突破教师模型性能上限？