安全强化学习 面试题

小红书广告交易算法实习面试：KKT 条件与博弈论连环拷打

小红书广告交易算法日常实习面试，全程围绕数学与强化学习展开：安全强化学习、为什么选 SAC 而不是别的算法、拉格朗日对偶与对偶形式、KKT 与 Slater 条件、Stackelberg 博弈和 Nash 博弈的区别，八股问 PPO/DPO/GRPO，手撕是网格路径计数。