职位题库

推荐算法工程师面试题库

面向推荐算法工程师相关面试，围绕强化学习、生成式召回、DPO、SFT、GRPO等主题展开练习，结合题目考察点、回答思路、参考答案和常见误区，梳理知识要点并练习清晰表达。

37 道题目建议用时 111 分钟专项面试练习

全部题目 37 道题

考察候选人对策略优化中数据来源与策略更新关系的理解，避免只记结论。

考察候选人对GRPO后续改进工作的了解，尤其是对训练稳定性、采样效率和奖励设计等问题的认识。

考察候选人对GRPO改进变体的了解，以及能否从优化目标、采样方式或稳定性角度分析差异。

考察候选人对两种奖励信号的理解，包括监督粒度、稀疏性、噪声和训练成本。

考察候选人诊断训练与验证不一致问题的能力，包括奖励设计、过拟合、分布偏移和评估方式。

考察候选人对VeRL框架架构和训练流程的了解，包括采样、奖励计算、策略更新和并行方式。

考察候选人对大模型RL训练中训练引擎与推理引擎不一致问题的理解，包括数值精度、并行策略和模型版本。

考察候选人对大模型训练范式的整体思考，包括SFT与RL的互补关系、各自瓶颈和未来趋势。

考察候选人对DPO核心数学原理的理解，以及从RLHF到DPO的推导能力。

考察候选人对强化学习基本概念的理解，以及能否准确判断不同算法的策略采样特性。

考察候选人对两种奖励信号的理解，包括定义、适用场景、优缺点及实现难点。

考察候选人对VeRL框架的熟悉程度，包括其同步/异步设计及训练流程。