蚂蚁集团 大模型算法面经（一面）

秋招 · 2026-09 · 来源 牛客

聚焦大模型强化学习（PPO/DPO/GRPO）、RAG与Agent工程落地、推理部署及金融垂域应用挑战，强调原理深度与系统设计能力

• 一面 · 八股：PPO 算法中 actor、critic、reward model、reference model 四个组件的作用及训练流程；PPO 损失函数中 clip、KL、entropy 各项的含义
• 一面 · 八股：critic model 与 reward model 的功能差异；为何 RLHF 中需同时使用二者