强化学习算法岗面试，怎么问清团队是在做研究还是做训练工程？

近期有研究动态提到，针对 GRPO 在难题上收益有限的问题，一种方法是在组内所有回答都错误时，以约 0.9 的概率继续采样，寻找非零梯度的批次；同一研究还把 RL 收益集中在简单题目的现象称为“马太效应”，并提到借助异步 RL 攻克更难问题。消息来自聚合摘要，尚未核验原文，也未说明是否被独立复现或大规模验证。对求职者的价值不在结论本身，而在于它暴露了训练流程里的具体环节：采样、梯度、异步调度。面试时，你可以顺着这些环节问团队实际在做什么。

岗位描述写强化学习，实际可能负责哪几块？

同一个“强化学习算法岗”，实际工作可能差很远。可以按四块去问：

  • 数据与采样：谁定义 prompt 与奖励？采样失败、全错批次怎么处理？是人工规则还是模型打分？
  • 训练框架：谁维护 rollout 与训练的衔接？异步、并行、吞吐问题归谁？
  • 算法研究：改奖励、改采样策略、改优化目标，哪一层是团队自己动的？
  • 评测：谁决定“变好了”？是离线 benchmark、人工评审还是线上指标？

问法要具体，比如：“组内全错时，采样策略是谁定的？我进去是改策略，还是维护采样链路？”如果对方只说“都会接触”，可以追问最近一次训练迭代里，这个岗位的人具体改了哪一行配置或哪一段代码。

看到新方法研究动态，求职者该关注什么而不是什么？

研究动态不等于招聘需求。它不能推出岗位会增加、门槛会提高，也不能说明某团队正在招人。你真正要确认的是：这个团队的工作重心偏研究还是偏工程，以及你进去后有没有机会碰核心环节。

一个实际可做的小建议：面试前把岗位描述里的动词圈出来——“搭建”“优化”“复现”“部署”指向的分工不同；面试时逐条请对方用最近一个项目举例，看描述与实际是否对得上。