天娱数科算法一面:GRPO 与 DPO 的取舍、奖励设计与小学生问答的知识边界
算法工程师 一面
天娱数科算法一面约 30 分钟:自我介绍与实习经历后,追问实习内容是否上线、部门归属与组内结构、做的偏应用侧还是真正的算法;项目部分问为什么用 GRPO 与 DPO、奖励怎么设置、除了调奖励还有什么办法防止模型走捷径;随后给一道场景题——做面向小学生的英语问答模型,回答三年级问题时会出现初中甚至大学内容,如何训练让它最多只做四、五年级的拔高,面试官提示可用 RAG 与知识图谱限制知识边界;最后问上一段实习地点与离职原因、研究生课题与反问。