强化学习算法
共 2 篇面经 · 三一树根 / 快手
三一树根强化学习算法一面:交叉熵、Attention 与贝尔曼方程
三一树根强化学习算法一面:从交叉熵、过拟合等深度学习基础切入,追问 LLM 最后一层结构、梯度累积与 Attention 缩放,再考察贝尔曼方程、Return、MDP 等强化学习概念,最后要求手写 Attention。
快手可灵策略梯度岗一面:强化学习算法与论文深挖
快手可灵(视频生成团队)策略梯度岗一面记录,先对两篇论文和实习经历做深挖,再问主流强化学习算法的区别、GAE 与 Diffusion Model、RLVF,以及 GRPO 具体存在什么问题,手撕是切分披萨数,可用 DP 或 DFS 加记忆化搜索。