高德
大模型算法工程师二面面经
完整信息
本篇目录
1. 聊聊Agent体系基础原理
2. Agent会话上下文持续变长，行业里有哪些主流上下文压缩方案？
3. 上下文摘要压缩是不是直接把整段对话合并为单轮摘要输出？
4. Agent会话轮次变多容易出现历史信息遗忘，该问题如何理解？
5. Agent框架内 Claude‑style 配置文件如何生成？运行过程会不会发生变更，如何手动调整？
6. DeepSpeed生态下，有哪些技术方案用来缓解训练显存瓶颈？
7. OPD方法损失函数构成、设计思路
8. 前向KL、反向KL散度两者差异
9. DAPO算法为什么不需要额外引入KL惩罚项
10. GRPO训练自带KL约束，训练后期收益衰减明显，有哪些优化手段？
11. 重要性采样实现思路，能否手写核心公式
12. 梯度累积原理以及工程使用要点
13. 梯度检查点技术原理，解决什么痛点
14. 大模型推理存在输出随机性，相同输入每次结果波动大，哪些参数可以约束输出稳定性？
15. 采样参数温度、Top‑K、Top‑P原理，搭配使用的策略与边界情况
本篇目录
当前问题0115
- 01
聊聊Agent体系基础原理
- 02
Agent会话上下文持续变长，行业里有哪些主流上下文压缩方案？
- 03
上下文摘要压缩是不是直接把整段对话合并为单轮摘要输出？
- 04
Agent会话轮次变多容易出现历史信息遗忘，该问题如何理解？
- 05
Agent框架内 Claude‑style 配置文件如何生成？运行过程会不会发生变更，如何手动调整？
- 06
DeepSpeed生态下，有哪些技术方案用来缓解训练显存瓶颈？
- 07
OPD方法损失函数构成、设计思路
- 08
前向KL、反向KL散度两者差异
- 09
DAPO算法为什么不需要额外引入KL惩罚项
- 10
GRPO训练自带KL约束，训练后期收益衰减明显，有哪些优化手段？
- 11
重要性采样实现思路，能否手写核心公式
- 12
梯度累积原理以及工程使用要点
- 13
梯度检查点技术原理，解决什么痛点
- 14
大模型推理存在输出随机性，相同输入每次结果波动大，哪些参数可以约束输出稳定性？
- 15
采样参数温度、Top‑K、Top‑P原理，搭配使用的策略与边界情况