DAPO 面试题
共 3 篇真实面经 · 涵盖 快手 / 某互联网公司 / 虾皮 等 3 家公司
快手大模型算法岗面经(三):九场面试真题,从显存估算问到 GRPO 与手撕 MHA
快手大模型算法岗(校招与实习)九场面试真题汇总:一面集中在显存估算、LoRA 低秩原理与 LSTM 门控,二面转向 Attention 的 shape、Prompt 长度与首 token 延迟、模型选型的 A/B 对比和数据集质量评估,后续场次深挖 DPO 数据来源、Rejection Sampling 与商业 API 蒸馏的取舍、RAG 为什么不分段、BERT 的 mask、MTP 与 GRPO 公式,最后是 DAPO 去掉 KL 后怎么防止跑飞、推理慢的原因与剪枝量化方案,每场都带手撕。
大厂推荐算法面经 10 问(同题重复投稿):后训练 RL 复习清单
同一份「大厂推荐算法面经 10 问」由两个账号先后发布,内容与另一篇完全一致。十道题集中在 LLM 后训练的 RL 侧:PPO / GRPO / DPO 的定位与 on-policy 归属,DAPO 与 GSPO 对 GRPO 的改进,process reward 与 outcome reward 的取舍,reward 与验证集背离的排查,VeRL 的同步异步与训推不一致,以及 SFT 与 RL 的轻重。
虾皮大模型后训练日常实习一二面面经:强化学习算法与 LoRA 原理
虾皮大模型后训练日常实习一面二面题目整理:一面从两张训练卡能否放下 7B 模型切入,覆盖显存估算、Qwen2.5 基座选型、SWE Agent 工具与 32K 上下文局限,深挖 NGRPO 选型、不用 DAPO 过滤失败样本组的考量、GRPO 的固有缺点、梯度范数、Reward 停滞排查与 KL 散度崩盘;二面问 VERL 框架取舍、Agent 强化学习的信用分配、数据集来源与处理、OPSD 的 Forward KL 选择以及 LoRA 微调原理。