阿里巴巴 AI Infra / Agentic RL面经（一面）

秋招 · 2026-08 · 来源 牛客

• 一面 · 八股：On-Policy 蒸馏的动机与数据过滤；为什么不从学生的错误轨迹学
• 一面 · 八股：过程奖励与结果奖励，过程奖励的偏差