1、详细介绍项目2、SFT数据来源，是否包含人工标注?数据质量如何保证?输入输出格式?3、为什么选择GRPO而不是PPO/DPO?介绍一下PPO和DPO4、GRPO的不足之处，后续改进的工作介绍一下(介绍了DAPO、GSPO)5、GRPO阶段数据比例如何设计，与SFT阶段数据的区别?6、Reward是如何设计的?7、强化学习在Agent中的挑战8、了不了解MIMO反问

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...

1.介绍简历和项目；2.问了一些项目细节3.对于Agent的了解？对于RAG做了哪些优化？4.对于RL的了解，详细问了PPO的原理？5.问了一些场景题：比如单个LLM能否帮助用户完成行程规划（从出行到酒店，都订好票）？6.问了一些学校的事情，毕设做的啥之类的，为啥转行等问题

在牛客运营同学的热情邀约下，接着写下一篇分享 深度拆解：如何系统介绍你的第一个AI实习项目？这是所有面试的开场白，也是决定“生死”的45分钟里最关键的前10分钟。很多同学讲得口干舌燥，但我听完却是一头雾水。作为面试官，我问这个问题到底想看什么？业务Sense： 你知不知道为什么要写这个Prompt/做这个Agent？是为了解决什么业务痛点？技术理解力： 你对大模型的边界清不清楚？是盲目调用API，还是懂一点RAG、微调的底层逻辑？产品闭环思维： 做了之后效果如何？你怎么衡量好坏？避坑指南：千万不要只说“我写了多少条提示词”、“我搭建了几个工作流”。这叫“劳动力输出”，不叫“产品思考”。推荐回答...