腾讯 大模型算法面经(一面、二面、三面)
暑期实习 · 2026-07 · 来源 牛客
一二面手撕量大(AdamW、PPO),RL 基础与数值计算问得很细。
一面 · 手撕:手写 AdamW 的一步更新
一面 · 手撕:无重复字符的最长子串
二面 · 八股:围绕强化学习追问 GRPO、PPO、奖励模型,讲马尔可夫决策过程
二面 · 八股:bf16、fp16、fp32 的表示范围和精度,并现场计算
三面 · 项目:面委会:答辩两篇论文,聊强化学习的发展趋势