多模态大模型算法 面试题

快手 多模态大模型算法 一面：DPO 与 GRPO 的区别与零梯度陷阱

快手多模态大模型算法一面，题目短但密度很高：从 DPO、SFT、GRPO 三者的定位差别与 DPO 更像谁，到 DPO 的优化目标和数据筛选要点，再到 GRPO 里样本全对全错为什么梯度为 0、奖励方差与 DVPO，最后是 PanoVision 与 VL 模型的对比和项目奖励函数的设计缺陷。