思维链 面试题

阿里千问 C 端大模型算法一面：推理数据与 PRM

阿里千问 C 端大模型算法一面记录：围绕实习中的长/短思维链推理数据、图像依赖较强的题目怎么提升、训练效果不好时的排查、图文数据构建、PRM 的 reward 设计与训练、Agent 实践展开，最后是两道题——抛硬币的概率期望与 badcase 数据池的采样提升方案。