秋招 · 2026-09 · 来源 牛客
聚焦大模型强化学习（PPO/GRPO/DPO/DAPO等RLHF变体）、Agent系统设计（ReAct、工具调用、记忆机制）、SFT与RL训练实践、幻觉治理及工程落地评估，强调原理深度与项目细节拷问