RL 面试题

字节跳动大模型算法三面复盘：简历项目被逐行深挖

一篇字节大模型算法三面的复盘：三面不考新知识，而是顺着简历逐行追问项目指标、SFT 数据配比、RL 奖励设计和关键词接缝，核心是能否讲清一条完整的训练链路。