华为西安算法薪资

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

题干分析 题设给予我们一个人通过老式九键输入的按钮顺序字符串，已知老式九键输入模式为按对应的数字按键k次定位到该数字按键表示的三个或四个字母中的第k个进行输入（注意不会循环）。要求我们通过所给的按键顺序字串推测可能的输入内容总数（结果对取余） 算法思路 拆分问题： 首先考虑全部按键顺序字串只有一种按键的情况：  如果没有按任何按键，输入内容视作空，仍然看作一种情况 如果只按一次某按键，输入内容唯一，即所按按键对应的第一个字母 如果按两次，要么对应两次第一字母，要么对应一次第二字母，共2种情况 如果按三次，对应三个第一字母，对应一个第二一个第一，先后关系导致计数+2，以及一次第三字母，共计4种情...