携程社招

给我面没招了，感觉自己好菜，发点面经攒攒人品1、 PPO 与 GRPO 的区别，分别介绍他们的优势与缺点2、 DPO 对齐训练的曲线是怎么样的，正例的概率会提升嘛3、 Deepseek -R1里面不仅推理能力很好，而且文采能力也很好，这个是个开放问题，如何让模型的文采能力也很好呢4、 DPO 如何解决回答过长的问题，除了正则5、开放问题：为什么现在大家都在关注于大模型的推理能力 reasoning6、对于一个 base model 如何增强大模型的 reasoning 能力7、模型选型时是否做定性定量对比ab test，客观数据验证文心性能不好了吗8、 DPO 除了长度问题还有其他的问题嘛，与问题2对应， reward hacking ？都没有奖励模型了

1. 介绍一下你在一面提到的XX项目，重点说说架构设计答案要点：整体架构：采用分层架构（接口层、业务层、数据层），模块间通过接口解耦技术选型：说明为什么选择某个框架/库，考虑了哪些因素（性能、可维护性、团队熟悉度）难点突破：如何解决高并发、数据一致性、性能瓶颈等关键问题优化迭代：项目上线后做了哪些优化，效果如何（用数据说话）2. 如果让你设计一个线程池，你会怎么实现？答案要点：核心组件：任务队列（存储待执行任务）、工作线程数组、同步机制（mutex+condition_variable）任务提交：通过模板函数接收任意可调用对象，返回future获取结果线程管理：固定线程数或动态调整，线程从队列...

#聊聊Agent开发#1. 状态（State）代表应用程序当前快照的共享数据结构可以使用 TypedDict 或 Pydantic 模型定义包含作为所有节点和边输入模式的模式（schema）通过减速器函数（reducer functions）进行更新，指定如何应用更改1. TypedDict 和 Pydantic 是什么？它们都是定义状态结构的方式：、简单说：都是用来定义你的数据结构，就像数据库的字段定义。 #pydantic方式 from pydantic import BaseModel class State(BaseModel): messages: list llm_calls: i...