校招 未知部门 / 算法 / 一面

<h2>腾讯（WXG）- 大模型算法岗（一面）</h2> <p><em>来源为牛客付费专栏，以下仅收录公开可见内容，付费部分未收录。</em></p> <p>腾讯的面试官明显是<strong>做 RL 出身</strong>的，全程高频拷问 PPO、GRPO、DPO 的区别。我本来以为会先聊聊项目，结果开场 10 分钟全是理论轰炸。他问“你解释一下 GAE 的公式”，我写了半天，他看了一眼说“你的 λ 和 γ 物理意义没说清楚”。最恐怖的是手撕算法，给了一道“图像差异最小包围矩形”的题，我读题都读了 5 分钟。全程感觉自己在参加算法竞赛。面试官虽然严格，但最后反问环节给了我很多关于“强化学习在 Agent 领域前景”的建议，很中肯。虽然面完觉得凉了，但意外收到了二面通知。</p> <ol> <li>智能体强化学习（Agentic RL）与传统 RL 在训练范式和信用分配上的核心差异是什么？</li> <li>在长时序任务中，Agent 的 RL 训练容易失稳，你认为根本原因是什么？如何缓解？</li> <li>PPO 算法中的 Clip 机制和 KL 散度约束是否等价？各自适用场景是什么？</li> <li>为什么 DAPO 算法不需要额外的 KL 惩罚项？它通过什么方式维持策略稳定性？</li> <li></li> </ol>