verl 面试题
共 2 篇真实面经 · 涵盖 阿里云 / 百度 等 2 家公司
阿里云 AI Infra 一面面经:Agentic RL 训练岗
阿里云 AI Infra 一面记录,面向 Agentic RL 训练岗:先做三道按简历定制的题(限时 40 分钟三选二)并讲解思路,随后深挖 OPD 蒸馏动机与数据筛选、过程奖励与结果奖励的区别、多轮对话双层奖励与用户模拟器构造、转人工率评测与 A/B 设计,以及 verl 中 AgentLoop 的特点。
百度多模态大模型一面(9.10):PPO 与 GRPO、DPO、持续学习、8 卡 A100 跑 7B VL 的 GRPO
百度 2026 年 9 月 10 日多模态大模型一面:项目深挖后进入训练目标与持续学习(PPO 与 GRPO 的差异、为什么做 DPO、持续学习的方法分类),再到 8 张 A100 训练 7B 视觉语言模型的 GRPO 场景题(Rollout / 推理加速、训练加速、验收指标)、通用训练加速手段、DeepSpeed ZeRO 三阶段、多头注意力变体(MQA/GQA/MLA/滑窗/稀疏)与 verl 类框架的加速机制,最后手撕 MHA。