字节跳动 大模型算法面经（一面）

日常实习 · 2026-10 · 来源 牛客

聚焦大模型对齐算法（DPO/PPO/GRPO）、多模态模型理解、强化学习基础及Transformer底层实现

• 一面 · 八股：对比DPO、PPO和GRPO的核心思想与优化目标
• 一面 · 八股：解释奖励函数坍缩（reward hacking/collapse）的成因与缓解方法