VLM 算法工程师一面面经

1.RL过程中的熵崩具体指什么，如何缓解熵崩

熵崩（Entropy Collapse）就是 RL 训练过程中，策略熵快速下降，模型逐渐变得过度确定、失去探索能力。 这也是目前 GRPO / PPO 类 LLM RL 训练中非常重要的问题。RL 会不断提高高概率、高 reward token 的概率，降低低 reward token 的概率，从而让概率分布越来越尖锐。

2.OCR任务一般将图表类会解析成什么

3.针对分类任务做 RL，具体有什么算法？

4.GRPO 存在什么问题？

5.三种主流的OCR模型的架构的区别，怎么训练，优缺点

6.OCR任务中将数学解析成latex格式，用markdown文件展示会存在问题

7.项目经历深挖