大模型算法实习生一面、二面面经

一面 1. 问实习经历，用的哪个模型产生的数据，训练的哪个模型。 2. 现在模型很多了，怎么去产生数据 3. GRPO和DPO的区别，优劣 4. 用sft+RL和纯用RL哪个效果更好，有没有实际的验证过 下面问了几个场景题，估计是和业务相关 5. 淘宝场景下智能机器人需要和用户、商家进行对话，收集的数据如何去训练reward model 6. 可能会发现某些语句能解决商家和用户的问题，模型就一直产生这几条语句怎么办 二面 1. 介绍论文 2. 介绍实习做的工作（因为是之前做的工作，如果放到现在该怎么去做） 3. deepseek关于奖励的论文看没看过 4. reward hacking是什么，该如何解决 hr面 1. 介绍一下学习方法 2. 如何分配平时的时间 3. 介绍论文和实习（可能hr不太懂，基本上是我单方面的输出） 📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。