DAPO 面试题

大厂推荐算法面经 10 问（同题重复投稿）：后训练 RL 复习清单

同一份「大厂推荐算法面经 10 问」由两个账号先后发布，内容与另一篇完全一致。十道题集中在 LLM 后训练的 RL 侧：PPO / GRPO / DPO 的定位与 on-policy 归属，DAPO 与 GSPO 对 GRPO 的改进，process reward 与 outcome reward 的取舍，reward 与验证集背离的排查，VeRL 的同步异步与训推不一致，以及 SFT 与 RL 的轻重。