校招 未知部门 / 算法 / 未知轮次

<h2>腾讯（WXG）- 大模型算法岗（RLHF/多模态）</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>面试官是学术型 RL 专家，开场直接让我手写 GAE 公式并解释 λ、γ 物理意义。我写了一半被指“符号不规范”。手撕是一道“图像差异最小包围矩形”，读题都花了 5 分钟。反问环节他耐心讲了 Agentic RL 的信用分配差异，虽觉凉但意外进二面。</p> <ol> <li>Agentic RL 与传统 RL 在长时序任务中的失稳原因？</li> <li>PPO Clip 与 KL 约束的等价性讨论？</li> <li>DAPO 为何免 KL 惩罚？</li> <li>重要性采样在 Off-policy 中的核心作用？</li> <li></li> </ol>