在线策略蒸馏 面试题

腾讯 大模型算法一面二面：GRPO 的信用分配、Agent RL 为什么训崩与蒸馏的边界

腾讯大模型算法一二面：一面深挖 Agentic RL 的训练崩溃、GRPO 的信用分配与 DAPO 的改动，二面追问 GAE、Reward Hacking 检测与在线策略蒸馏能否替代 RL，最后手写流式图像差异的最小包围矩形。