职位题库

大模型算法实习生面试题库

面向大模型算法实习生相关面试，围绕GRPO、强化学习、Transformer、大模型对齐、策略梯度等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

9 道题目建议用时 27 分钟专项面试练习

全部题目 9 道题

考察候选人对大模型对齐中常用强化学习算法的理解深度，以及能否清晰比较不同算法的优化目标、数据需求和工程复杂度。

考察候选人对奖励模型训练中分布偏移与奖励退化问题的理解，以及能否提出工程上的缓解手段。

考察候选人对RL数据范式的理解，以及能否结合自身项目说明技术选型理由。

考察候选人对GRPO损失函数细节的掌握，特别是裁剪机制与组内平均的数学含义，而非仅停留在概念层面。

考察候选人对Transformer核心组件的数学理解与工程实现能力，包括维度变换、缩放点积和掩码处理。

考察候选人对大模型对齐主流强化学习算法的理解深度，能否清晰区分on-policy与off-policy、奖励建模方式及优化目标差异。

考察候选人对GRPO损失函数细节的掌握，特别是clip与组内归一化均值的各自作用。

考察候选人在多目标奖励冲突场景下的建模能力，能否提出加权、帕累托、约束优化等可行方案并权衡。

考察候选人对注意力机制数学细节和工程实现的掌握，能否正确实现缩放、mask和多头拼接。