腾讯 大模型算法面经(一面)
秋招 · 2026-09 · 来源 牛客
聚焦Agent系统设计、信用分配机制、RLHF/DPO优化、评测方法及大模型架构细节,强调理论深度与工程权衡
一面 · 场景:Agent-RL中Outcome Reward、Process Reward和规则奖励的适用场景差异
一面 · 开放:长链路Agent任务仅含最终奖励时的信用分配难点及主流解决方案