Chuyển đến nội dung chính
T0 Công ty lớn Alibaba Vòng 1

Alibaba Taotian AI Infra vòng một (2)

Câu hỏi phỏng vấn Alibaba AI Infra vòng một thật, gồm AI Infra và các hướng liên quan

Kiến thức nền

  1. Trình bày khác biệt cốt lõi giữa GRPO và PPO.
  2. Thao tác Clip trong PPO cụ thể làm gì?
  3. Importance sampling có những vai trò nào? Ngoài kết hợp Clip để giới hạn biên độ cập nhật, còn dùng cho gì khác? Khác gì so với dùng KL divergence để ràng buộc cập nhật?
  4. Tính chất Markov là gì? Cho định nghĩa hình thức.
  5. Từ thuật toán policy gradient sớm đến GRPO, module nào được giữ, module nào bị bỏ? Phác thảo mạch tiến hóa và nêu lý do.

Kinh nghiệm dự án

  1. Chia sẻ màn hình giảng bài báo, gồm nền nghiên cứu, thiết lập bài toán và tình huống nghiệp vụ thực tế tương ứng.
  2. Nói chi tiết quy trình làm việc, phương pháp huấn luyện và chi tiết suy ra các công thức dùng.

Bài lập trình

  1. Binary Search Tree Iterator (LeetCode 173); yêu cầu nêu ý tưởng trước, đưa nhiều cách từ brute force đến tối ưu.