面灵AI→

虾皮大模型后训练日常实习一二面面经:强化学习算法与 LoRA 原理

虾皮 一面+二面

虾皮大模型后训练日常实习一面二面题目整理:一面从两张训练卡能否放下 7B 模型切入,覆盖显存估算、Qwen2.5 基座选型、SWE Agent 工具与 32K 上下文局限,深挖 NGRPO 选型、不用 DAPO 过滤失败样本组的考量、GRPO 的固有缺点、梯度范数、Reward 停滞排查与 KL 散度崩盘;二面问 VERL 框架取舍、Agent 强化学习的信用分配、数据集来源与处理、OPSD 的 Forward KL 选择以及 LoRA 微调原理。

2026-10

虾皮大模型后训练日常实习一二面:SWE Agent 后训练与 GRPO 深挖

虾皮 一面+二面

虾皮大模型后训练日常实习一面二面面经:一面围绕自研 SWE Agent 项目追问显存估算依据、Qwen2.5 基座选型、工具集设计与 32K 上下文局限,并深挖 NGRPO、DAPO 样本过滤、GRPO 固有缺点、梯度范数、Reward 不涨的排查路径与 KL 散度崩盘;二面问训练框架取舍、Agent 强化学习的信用分配、数据集构成与处理、OPSD 的 Forward KL 选择以及 LoRA 微调原理。

2026-10