页面加载中…
项目面试学习资料：面经。从实际问题进入，按自己的基础选择需要的内容。
从一条嘴上退款的工单讲起，拆解 Verifier 的 5 维奖励和 11 道封顶护栏，附 60 秒和 3 分钟口述稿、两个钩子和三层追问。
半年大厂真题里点名 GRPO 的 127 道，有 78 道要你拿它和 PPO、DPO 比。挑六道逐题复盘，每题往下追两层，用 Agentic RL 项目里的数字来答。
Lint 已经报错，工具却仍返回成功。沿三段原源码和两行实验结果，定位后置 Hook 丢失返回值的断点，说明怎样让检查失败真正暂停相关后续。
学习内容与项目面试，在同一条路上。
日志里的参数可能只是原配置回显，空配置也会补默认值。沿本地 HF 入参与 API 请求构造，核对转发、覆盖和证据边界。
题面哈希没有交叉，同一母题仍可能被拆到训练和验证两边。用12条人工清单核对原ID切分、家族与来源分组，并看清比例和覆盖的变化。
两路都乘0.5，贡献就一样吗？固定五个候选，沿分数缩放、Min-Max加权、RRF名次计票与噪声路，检查融合到底依赖什么。