文章

2025—2026 国内大模型算法岗招聘、面经与笔试汇总

更新至 2026-09-08:美团/vivo 招聘流程、京东与字节公开样本、冲突试卷及三篇 RL 阅读案例。

2026年8月13日 更新于 2026年9月8日 约 46 分钟

专题 大模型算法岗求职笔记 第 9 篇 / 共 13 篇

本文是个人求职工作区文档的发布版,更新于 2026-09-08(北京时间凌晨快照)。源文件托管在 GitHub 仓库 llm-algo-job-notes;历史章节保留各自证据日期,岗位状态见最新窗口日志。

检索截止:2026-09-08 北京时间凌晨(§15 为 8.30–9.08 增量;§14/§13 保留历史证据日期;今天尚未发生的考试不在范围内)

范围:国内头部互联网/科技公司、代表性大模型公司、研究机构、车企与中型公司;覆盖公开可检索的实习、春招、秋招/提前批、补录、面经和笔试。

边界:这是一份“代表性公开证据集”,不是企业内部题库,也不可能穷尽小程序、已删除帖子、私域群和未公开团队直招。

0. 先看结论

  1. 必须分开“届别”和“自然年”:2026 届的暑期实习、提前批和秋招主周期主要发生在 2025 年;截至 2026-08-29,校招主力是 2027 届正式批,2026 届多为补录、海外项目或残留页面。
  2. 岗位已经分成四条主链:基础模型/预训练、后训练与 RL、Agent/RAG/搜索应用、AI Infra/模型优化;另有多模态、评测安全和具身智能横向贯穿。筛 JD 时要先判断交付物,而不是只看“大模型”三个字。
  3. 项目深挖是最稳定的考查项:数据、baseline、训练资源、指标、bad case、上线成本、失败实验和个人贡献,比通用八股更能区分候选人。
  4. 2025—2026 的技术增量集中在 GRPO/DAPO/GSPO、异步 rollout、Agentic RL、RAG 责任归因、LLM-as-a-Judge、多模态对齐、KV Cache/显存和数据工程;但传统 ML、SQL、算法手撕仍然没有退出。
  5. 公司流程不是固定模板:公开个人样本常见“可能的笔试/机试 → 2–3 轮技术面 → 主管/HR”,但 BU、岗位、候选人和批次差异很大。只有公司官方写明的流程才能当规则。
  6. 牛客是本轮最可复核的个人面经来源;知乎可补充索引和复盘,但培训号/合集很多;CSDN、博客园常见搬运或由 JD 扩写的模拟题;小红书内容平台和公众号原文对公开搜索引擎不友好,无法核验时不提取事实。

1. 年份与批次口径

1.1 怎样理解“2025 年、2026 年招聘”

自然时间主要对象常见批次资料归档方式
2024 下半年2025 届提前批、秋招、补录只作为 2025 届历史流程画像
2025 2–5 月2025 届全职、2026 届实习春招、补录、暑期实习同时标记“自然年 2025”和“候选人届别”
2025 6–12 月2026 届提前批、秋招、补录这是 2026 届最主要的招聘窗口
2026 1–5 月2026 届全职、2027 届实习春招、补录、暑期实习不把 2027 届实习误写成 2026 届
2026 6–12 月2027 届提前批、秋招、正式批当前重点;2026 届旧页可能仍被搜索到

每条动态至少记录五个字段:cohort(届别)、event_date、stage、last_checked、status。只有页面发布日期而没有实际面试日时,写“页面日期”,不能擅自推断。

1.2 覆盖口径

  • 核心大厂:字节跳动、阿里/蚂蚁、腾讯、百度、华为、美团、快手、京东、小红书、拼多多。
  • 大型补充:小米、网易/有道、哔哩哔哩、滴滴、OPPO、vivo、荣耀、携程、米哈游。
  • 大模型公司与研究机构:智谱、MiniMax、DeepSeek、月之暗面/Kimi、阶跃星辰、百川、面壁、商汤、科大讯飞、上海 AI Lab、北京智源。
  • 相邻高价值样本:理想、蔚来、小鹏等车企,以及微软亚洲研究院等在华研究团队。

“未找到强证据”表示公开资料不足,不表示公司没有招聘或不考该主题。


2. 2025 自然年:可确认的招聘事件

下面只列能稳定追溯的代表性事件。历史官网页面常被下架,因此部分使用高校就业网、国家就业平台或招聘平台中的企业/HR 职位页;它们只能证明当时公开过,不能证明现在仍开放。

公司/机构批次与对象大模型相关方向证据与边界
淘天集团2026 届春季/暑期实习,2025-03-03 启动AIGC、多模态、CV、NLP、三维/视频高校托管企业简章 PDF,A-Relay
美团2025 届秋招在 2024-07 启动;2025 年继续有 2026 届实习/秋招大模型、Agent、本地生活、搜广推美团 2025 届官方新闻可核验历史规模;不同年份不能混用,A-Official
小红书2025 校招通用基础大模型、多模态、Alignment、模型轻量化2025 通用大模型算法 JD,A-Official;页面可能为历史残留
百度2025 年公开职位多模态预训练/后训练、跨模态对齐、RL、Agent多模态校招岗位,A-Official
华为2025 届岗位盘古/行业模型、昇腾训推、RLHF、MoE、多模态招聘平台历史职位,A-Relay,不是官网归档
字节跳动2025 春招/2026 届实习与秋招基础模型、内容/电商治理、SFT、CoT、RL、RAG/Agent电商治理岗位页,A-Relay
阿里2025 补招/2026 届实习与秋招Qwen、多模态搜索、post-training、电商 Agent多模态搜索职位,A-Relay
小米2025 届春招手机端大模型、多模态助手、搜索/规划/推荐手机大模型职位,A-Relay
网易/有道2025 春招教育大模型、低成本高质量数据、语音多模态、游戏 AIGC/NPC有道春招简章,A-Relay
哔哩哔哩2025 春招视频理解、多模态、搜广推;具体大模型岗历史页有限高校转发春招,A-Relay
上海人工智能实验室2025 届全职、2026 届转正实习基础模型、多模态、具身、安全可信、AI4S、基础平台实验室官方春招,A-Official
北京智源2025 届“智星”计划大模型、开源系统、行业模型、AI for Science高校转发简章,A-Relay
微软研究院2025 LLM Research/Engineering 实习多模态、云系统、Text2SQL、代码智能Microsoft Research 官方岗位,A-Official
腾讯2025 全模态生成式推荐竞赛,可产生校招机会全模态生成式推荐腾讯官方新闻,属于竞赛入口,不是常规网申
智谱2025 届春招/日常岗位大模型、多模态生成、RLHF、Reward/Critique、蒸馏量化25 届多模态生成算法职位,A-Relay
阶跃星辰2025 团队滚动招聘视觉生成后训练、Reward Model、PPO/GRPO、训练框架团队招聘帖,身份未由官网交叉验证,B-Weak

2.1 2025 年应怎样使用

  • 用历史 JD 识别团队长期能力结构,不再点击旧链接盲投。
  • 2026 届候选人应把 2025 年 3–5 月实习、7–10 月秋招面经放在同一届别下,但保留自然时间。
  • 2025 年年底发布的“26 届面经”仍是 2026 届秋招,不是“2026 年面经”。

3. 2026 自然年:当前招聘版图

3.1 当前主力已经转为 2027 届

下表是 2026-07-30 建立的官方入口基线;8 月启动与当前状态以 §12–§14 和窗口日志为准,不能拿本表旧状态覆盖新快照。

公司/项目当前页能确认什么状态判断官方入口
字节 Seed2027 届应届生为 2026-09 至 2027-08 毕业;实习面向 2027-09 及以后毕业;方向覆盖基础模型、系统、视觉、语音、AI 搜索、个性化、具身当前有效;官网还明确一般为 3–5 轮技术面 + 1 轮 HR,具体以 HR 为准Seed 大模型人才校招、2026-04-01 启动公告
百度校招面向 2027 届;2027 暑期实习已结束,日常实习全年开放且不限毕业时间;大模型岗位覆盖预训练、后训练、数据、Agent、多模态校招/日常实习可查;具体岗位逐条核验校园职位、实习职位
美团 LongCat基础模型、Infra、Agentic 模型训练、多模态/具身、模型评测;页面有校招/实习 Q&A当前专项页有效;未从静态正文确认统一截止日LongCat 人才招聘
MiniMax2027 校招、2028 转正实习、全年日常实习、Top Talent 全年开放当前有效MiniMax Careers
智谱官网有校招算法、校招研发;算法强调训练框架与策略,研发包括 RL 训练框架当前有入口;具体职位和届别以落地页为准智谱加入我们
DeepSeek官方动态页覆盖预训练、后训练、多模态、数据、AI 搜索、Agent Infra、训练/推理框架等持续招聘;不能自动等同“2026 届专项校招”DeepSeek 招聘
月之暗面/Kimi官方 Careers 为动态岗位页持续核验;当前公开 Web 难以确认统一校招批次Kimi Careers
阿里官网当前校招对象已切换到新届别,动态前端可能不保留历史批次当前岗位逐条核验阿里校园招聘
华为官网当前实习/校招按学历与地区给出不同毕业区间当前岗位逐条核验,不抄第三方统一口径华为校园招聘
腾讯官网仍显示 2026 校招、春招、海外校招和全年在校实习入口,部分页面可能为项目残留对具体项目和岗位做登录后核验腾讯校园招聘

3.2 2026 届补录、春招与残留页

公司公开信号正确解读
小红书官网仍可检索 2026校招 大模型应用、训练/压缩/推理 Infra,及 2026春季校园招聘 增长方向职位JD 内容可信;“投递简历”按钮不等于批次仍有效,必须实际登录验证
小米官网仍展示 2026 届春招口径动态页面存在口径异常的可能,不复制毕业区间,投前核验
科大讯飞2026-05 仍有 2026 届春招补录公告,飞星计划面向算法人才高校转发补录公告,历史事件,不代表 7 月仍开放
哔哩哔哩2026 春招同时包含 2027 暑期实习,技术方向含搜广推、大模型、游戏算法高校转发公告,注意两个届别并存
京东2026-04 的官网动态职位可见大模型、多模态、全模态 RL Infra页面未充分证明是 2026 届校招,按具体职位而非统一批次记录
网易有道高校托管简章可见大模型、多模态 LLM、Agent、ASRPDF 标题、正文和页面元数据可能冲突,需下载首页人工核验

3.3 2026 年岗位方向的共同变化

  • 基础模型:稀疏/MoE、长上下文、数据治理、训练稳定、模型/数据/系统协同。
  • 后训练:SFT、偏好数据、DPO、PPO/GRPO、RLVR、异步 rollout、Agentic RL、Reward/Verifier。
  • 应用算法:RAG、Search Agent、Coding Agent、Memory、工具调用、DeepResearch、生成式搜索/推荐。
  • 多模态:图文/音视频统一建模、VLM/VLA、视频生成、跨模态检索、GUI/具身 Agent。
  • 评测与安全:动态 benchmark、LLM-as-a-Judge、内容安全、Prompt Injection/Jailbreak、多模态 AIGC 识别。
  • 模型优化/Infra:分布式训推、KV Cache、量化/蒸馏/剪枝、低精度、通信与算子;若不投纯 Infra,只掌握对算法实验有效性的边界。

4. 核心公司:招聘方向、面试和笔试信号

表中的“面试信号”来自个人公开复盘,只能用于定向准备;“未见统一笔试证据”不表示没有笔试。

公司岗位方向公开面试信号编程/笔试信号准备重点
字节跳动/Seed基础模型、后训练、多模态、AI Search、Agent、数据、安全项目/论文;数据合成清洗;RoPE/MHA;DPO/GRPO;RAG;DeepSpeed;Agent 终止与评测MHA、岛屿/DFS、字符串、DP;不同 BU 是否有统一笔试不确定准备一份完整“数据→训练→后训练→评测”链和两次模型手写
阿里/通义/蚂蚁Qwen、模型对齐、电商多模态搜索、Agent、金融/生产系统PPO/DPO/GRPO;LoRA/QLoRA;量化;MLA/MoE;RAG/Memory;权限/事务/fallback算法题、AI Coding、场景设计;没有可靠的全公司固定卷型一半模型训练,一半业务闭环;蚂蚁额外准备安全、审计和一致性
腾讯/混元MoE/多模态、对话、推荐、游戏与内容 Agent项目/论文;MoE;LoRA;FlashAttention;CoT 数据;PPO/GRPO;多 Agent字符串/括号、树/DP;轮次因团队差异大读目标团队技术报告,训练显存与多模态场景都要能算/设计
百度/文心基础模型、后训练、Coder、搜索/RAG、多模态、Agent数据与训练;PPO/DPO/GRPO;RAG/幻觉;CLIP;异步 rollout;现场最小 SFT常规算法 + 模型手写;当前暑期实习已结束但日常实习开放搜索/检索与生成不能割裂;准备责任归因实验
华为盘古、行业模型、昇腾训推、多模态、Agent、模型数据/评测数学与传统 DL;Transformer;显存;训练并行;项目;部分团队问 SFT/Prompt个体样本为机试后测评、技术面、主管面;机试常见栈/哈希/堆先按 JD 区分算法与 CANN/HCCL/算子岗;机试单独练 ACM
美团/LongCat基础模型、Agentic RL、多模态/具身、评测、业务 Agent项目深挖;SFT→RL;Reward/Reward Hacking;PPO/DPO/GRPO;MoE一份 2025-08 个体样本为 8 道 ML 选择 + 4 道编程;不能外推所有批次强化数据、reward、业务指标和失败实验;传统 ML 不丢
快手/可灵视频/多模态、LLM 应用、Agent/RL、推荐、压缩MHA/RMSNorm/KV Cache;推理加速;数据去重;Instruction Tuning;LoRA;DAPO26 届亲历两轮含字符串全排列、树序列化;另有编辑距离等视频/VLM 与模型基础并重,准备至少两道中等算法
京东零售大模型、多模态、RAG、后训练、模型优化SFT/PEFT;PPO/DPO/GRPO;量化;PagedAttention;Prefix Cache;RAG 切片字符串、数组、LRU 等个人样本;固定笔试口径未核验解释精度—吞吐—成本 Pareto,别只列优化名词
小红书基础/应用大模型、生成式搜广推、Agent、内容安全、训推压缩项目深挖;RAG/Agent/MCP/Skill;RL;多模态;内容安全常规算法与模型组件均有个体样本;官网 JD 明确强调 coding独立问题定义、Web Scale 数据、生成式推荐/搜索和安全
拼多多/Temu电商大模型、推荐后训练、风控、AgentTransformer;RL;推荐×LLM;业务指标;SQL/传统 ML公开个体样本整体偏强算法、SQL、组合题;不是统一原题库传统算法、SQL、AUC/KS 与 LLM 一起准备
小米端侧/手机大模型、多模态、个人助手、搜索规划3D/多模态、端云取舍、Attention、项目self-attention、链表/数组等个体样本端侧延迟/功耗/隐私与模型效果四方权衡
网易/有道游戏 AIGC/NPC、教育大模型、语音、多模态response-only SFT、蒸馏、RAG 目标错配、Agent、数据图/树/DP 与模型手写并存将生成质量、可控性、安全与游戏/教育业务指标连起来
哔哩哔哩视频理解、多模态内容、搜广推、大模型DPO 理论、Agent/DeepResearch、多模态内容算法与搜广推基础仍重要视频长序列、内容安全、推荐指标和 DPO 失败
OPPO/vivo/荣耀端侧、多模态、Agent、手机助手GSPO/GRPO、MoE、DeepResearch、VLM、Reward Hacking常规算法题端云协同、模型压缩、多模态交互和业务约束
滴滴/携程出行/旅行大模型、客服、推荐、AgentRAG、基座选择、SFT 失败、Agent、数据构造图/树/SQL/ML Coding业务约束、实时性、地理/时序特征和线上指标

4.1 两个值得单独保留的亲历样本

快手 26 届大模型应用算法,两轮技术面,B-First

  • 原帖,发布/编辑于 2025-09-27,明确写“26 届校招”。
  • 一面约 50 分钟:项目与论文、MHA、RMSNorm vs LayerNorm、KV Cache、推理加速、微调过拟合;手撕字符串全排列、二叉树序列化/反序列化。
  • 二面约 40 分钟:项目深挖、生成数据去重、超大词表 Softmax 加速、中文 Instruction Tuning 数据、LoRA vs Prompt Tuning。
  • 作者带项目辅导推广,因此只保留为单个候选人样本,不升格为“快手固定两轮/固定题单”。

智谱大模型 90 分钟一面,B-Weak

  • 原帖,2025-06-08。
  • 题型覆盖 tokenizer/RAG 伪代码、NL2SQL、PPO/DPO/GRPO、KL estimator、LoRA/P-tuning v2、DeepSeek-R1/MLA、PyTorch 与多机多卡。
  • 账号同样带辅导导流,适合发现准备缺口,不用于估计智谱频率。

5. 大模型公司、研究机构和其他规模公司

公司/机构招聘与岗位事实面经证据现状应用方式
智谱官网当前有校招算法/研发,涉及训练策略与 RL 框架2024 全流程、2025 应用算法、2026 Agent 样本;另有 AI Infra 样本模型/Agent 岗重点准备 RL、MoE、长程任务、流式工具调用
MiniMax当前明确 2027 校招、2028 转正实习、日常实习与 Top Talent2025 有一条 7 天内两技术面+HR+Offer 的流程帖,但岗位未明;历史算法样本较少用官网 JD 和技术报告反推,不把未知岗位流程当算法岗证据
DeepSeek官方动态招聘覆盖模型、数据、AI 搜索、Agent、系统未找到满足“2026 届/明确算法岗/候选人亲历/可确认日期”的强闭环读官方岗位和技术报告;不采用“只问实战不问八股”媒体口号
月之暗面/Kimi官方 Careers 动态招聘;国家就业平台曾有多模态 RL 实习2025 可核验内容多为开发/Infra;算法亲历闭环不足按具体 JD 准备,对齐/RL/数据构造与 Kimi 场景
阶跃星辰2025 团队帖有 RL for AIGC;2026 有 LLM/语音/多模态实习转发2026 聚合页有 LoRA/DPO/Agent/MoE/RLVR 题型,但多为个人聚合降级为题型候选池,投递状态回到官方/招聘方
百川搜索到的 2026 实习面经只有标题残留,正文不可取2025 强样本不足;2024 样本不能伪装成 2025暂不构造公司题库
面壁2025 有候选人自述拿到基座团队 Offer无题目和轮次只能证明当时存在招聘活动
商汤有动态实习/校招转发统一批次和算法亲历不足官网或公众号人工核验
科大讯飞2026 届春招补录、飞星计划有高校转发有 NLP/语音/行业模型样本传统语音/NLP 与大模型结合准备
上海 AI Lab2025 春招官方覆盖大模型、多模态、具身、安全、AI4S研究型面试更看论文和实验准备 research talk、可复现实验和开放问题
北京智源“智星”计划覆盖大模型及开源系统面经公开量少读目标研究方向和开源项目
理想/蔚来/小鹏视觉基座、VLM/VLA、Agent、端侧/车端有 Transformer/Tokenizer、GSPO/DAPO、投机采样、多模态系统样本CV/3D 背景候选人的重要交叉投递池

6. 面试流程与高频考点

6.1 安全的流程概括

官方投递/内推
  → 简历与团队匹配
  → 可能的统一笔试、机试或测评
  → 1–3+ 轮技术面(研究专项可能更多)
  → 主管/综合面
  → HR/意向/审批
  • 这是跨样本概括,不是任何公司的承诺。
  • 字节 Seed 当前官方页明确“一般 3–5 轮技术面 + 1 轮 HR”;这条只适用于该专项且仍以 HR 安排为准。
  • 华为个体样本常见“机试→测评→技术面→主管面”,但部门和岗位会改变流程。
  • AI 创业公司可能推进很快,也可能增加论文/代码审查、加面或交叉面。

6.2 2025—2026 共同考查链

  1. 项目真实性
    • 问题和用户是谁;
    • 数据从哪里来,规模、许可、污染和 split;
    • baseline 为什么合理;
    • 模型、超参、卡数、时长、成本;
    • 提升是多少,置信区间/显著性如何;
    • 最大失败和 bad case;
    • 个人贡献怎样由 commit、实验和决策证据支撑。
  2. 模型结构与训练
    • Attention shape/mask/scale,MHA/MQA/GQA/MLA;
    • RoPE、RMSNorm、SwiGLU、MoE;
    • 数据清洗、去重、混合、Tokenizer;
    • DDP/ZeRO/FSDP/TP/PP/EP、显存、混合精度、FlashAttention;
    • prefill/decode、KV Cache、PagedAttention、量化/蒸馏。
  3. 后训练
    • response-only SFT、LoRA/QLoRA;
    • RM、PPO、DPO、GRPO 的数据流和角色;
    • KL、clip、group normalization、policy lag;
    • Reward Hacking、熵坍缩、离线/在线指标。
  4. Agent/RAG
    • sparse/dense/hybrid retrieval、chunk、rerank;
    • 责任归因、工具 schema、超时重试、幂等和 fallback;
    • Memory、终止条件、循环检测、知识库热更新;
    • pass@k/pass^k、任务终态、LLM-as-a-Judge 一致性和安全。
  5. 传统基础
    • 树、图、DFS/BFS、字符串、DP、哈希、堆;
    • LR/GBDT/XGBoost、AUC/校准、样本不平衡;
    • 搜广推的召回/排序、负采样、曝光偏差;
    • SQL 窗口函数、留存/连续登录、Top-N、累计指标;
    • 概率、期望、矩阵、优化器。

6.3 2026 相对新增的准备动作

  • 能从代码层解释 πθ\pi_\theta、πold\pi_{old}、πrollout\pi_{rollout}、πref\pi_{ref},而不是只背算法名。
  • 能设计 Agent 的成功终态、预算、失败恢复和外部 verifier。
  • 能把数据质量问题量化:去重率、污染、切片、分布漂移、拒答与安全。
  • 能现场写一个最小正确的模型组件,并说明 mask、数值稳定、dtype/device、梯度和边界。
  • 能回答“为什么不用另一个方案”,给出最小消融和成本比较。

7. 笔试与手撕:能确认什么

7.1 公开个体样本

来源样本描述可用于训练不能外推
美团算法策略笔试2025-08 个体样本:8 道 ML 选择 + 4 道编程,涉及朴素贝叶斯、图论、计数等一场“ML + 编程”混合模拟美团所有算法岗都固定为此题量
快手 26 届大模型应用算法面试手撕字符串全排列、二叉树序列化/反序列化字符串回溯、树编码快手统一笔试题
华为 2025 届 AI 软开流程候选人自述机试含栈/哈希/堆,之后测评与多轮面试三题 ACM 风格模拟、输入输出与部分分华为所有大模型算法团队相同
智谱 2025 大模型tokenizer/RAG 伪代码,后续大量模型问题模型 coding + 解释智谱固定 90 分钟或固定题单

7.2 建议练成的题型篮子

  • 传统算法 P0:哈希、滑窗、二分、树/图、BFS/DFS、堆、链表、基础 DP。
  • 竞赛增量:DSU、Fenwick、二分答案、差分、最短路、状态压缩。
  • 模型手写:stable softmax、RMSNorm、RoPE、MHA/GQA、SFT loss、DPO/GRPO、top-k/top-p、MoE、LoRA。
  • ML Coding:LR/IRLS、AUC、决策树桩、Viterbi、KFold 防泄漏、检索指标。
  • SQL:窗口函数、连续行为、分组 Top-N、留存、漏斗、累计首次达成。

本仓库对应入口:


8. 社交平台扩大检索后的结论

8.1 平台可用性

平台本轮结果证据策略
牛客最容易取得作者、发布日期、正文和轮次;也存在培训引流、拆帖重发和合集账号优先收一手;检查作者历史、岗位/日期、评论纠错;推广帖降级
知乎找到通义、跨公司求职总结、快手招聘转发、2026 大模型题型合集个人完整复盘可用;机构号、培训号和搜索摘要只作 C-Lead
小红书内容平台对 site:xiaohongshu.com/explore 定向搜索未取得可验证的面经正文;搜索引擎常把“小红书”识别为公司招聘站不从无法打开的图片/摘要提取题目;可人工在 App 内按关键词复查
CSDN可找到个人博客和搬运题库;推荐时间常被误当原文时间原创全流程可用;跨平台题库必须追到原帖
博客园命中多为结合 JD、技术报告和牛客扩写的模拟题作为练习题,不标“真实面经”
微信公众号原文、图片海报和发布时间不易被稳定索引保存官方原文/二维码截图时人工记录日期;媒体转述不能冒充官方
一亩三分地可补 MiniMax 等历史招聘/流程登录墙和摘要限制较多;不从标签页推断完整题目

8.2 具体新增线索

8.3 在 App 内人工补查时的关键词

公司名 + 26届/27届 + 大模型算法 + 面经
公司名 + 暑期实习/提前批/春招补录 + LLM/Agent/VLM
团队名 + 一面/二面/笔试/机试 + 日期
岗位名 + OC/offer/挂 + 项目深挖/手撕

人工记录时必须保存:帖子链接或分享 ID、作者、发布日期、作者自述面试日、届别、岗位、轮次、是否推广、是否有评论纠错。只有截图而无可追溯 ID 时标 C-Lead。


9. 按岗位方向的准备矩阵

能力基础模型后训练/RLAgent/RAG多模态AI Infra/优化
数据治理/TokenizerP0P0P1P0P1
Transformer/RoPE/Norm/MoEP0P0P1P0P0
显存/并行/混合精度P0P0P1P1P0
SFT/LoRA/DPO/PPO/GRPOP1P0P0/P1P1P1
RAG/Tools/Memory/EvalP2P1P0P1P2
CLIP/VLM/视频数据P1P2P1P0P1
推理/KV Cache/量化P1P1P1P1P0
传统 ML/搜广推/SQLP1P1P0(业务岗)P1P2
LeetCode/ACMP0P0P0P0P0
论文与实验答辩P0P0P1P0P0

P0 必须闭环,P1 按 JD 补齐,P2 只保底。目标不是每列都学满,而是形成“一条主线 + 一条相邻线 + 传统基础不掉线”。


10. 对当前资料库的查漏补缺

10.1 已有强项

  • 证据分级严谨,明确“个人面经不等于公司频率”。
  • Transformer、训练/推理、SFT/DPO/PPO/GRPO、Agent/RAG、评测和排障正文完整。
  • 传统算法从 Hot100 延伸到 DSU、Fenwick、MITM、MST 等进阶骨架。
  • 项目规划已经包含 baseline、消融、止损门、数据 lineage 和 GPU 预算。

10.2 本轮已经补上的缺口

  • 新增独立求职情报层,不再把动态招聘窗口塞进知识指南。
  • 新增年份/届别口径、公司覆盖矩阵、2025/2026 招聘事件和社交平台证据边界。
  • 新增招聘窗口与刷新日志,集中处理过期和状态变化。
  • 新增传统 ML、搜广推与 SQL 专项。
  • 新增多模态大模型专项,补视觉 token、训练数据、grounding、视频/3D 和评测。
  • 新增零依赖模型手写核心实现及自动测试,覆盖最高频核心件。
  • 将 30 天计划从当前日期重排,并移除已过期 deadline。

10.3 仍需你用真实产物完成的缺口

  • 至少四场计时套卷的真实分数、错题和 24 小时/7 天复写记录。
  • 17 项模型手写的“盲写通过日”,不能用“看懂参考实现”代替。
  • 一个项目从规划文档推进到可运行 baseline、结果 JSON、失败案例和复现命令。
  • 根据你的最终主投方向,在后训练、Agent、多模态三者中选一条做深,不继续平均扩写文档。
  • 面试后 30 分钟内回填真实题目;敏感业务、面试官信息和公司保密内容不得记录或传播。

11. 每周刷新协议

每周一和周四各 20 分钟:

  1. 打开招聘窗口与刷新日志中的官方入口;
  2. 只记录新批次、截止日变化、岗位新增/关闭和毕业区间;
  3. 搜索过去 7 天的牛客/知乎/小红书 App 亲历;
  4. 对重复题只增加来源 ID,不重复抄题;
  5. 将 last_checked 更新为当天,过期项改为 closed 或 stale;
  6. 只因两个以上独立强样本才调整准备优先级;
  7. 新 JD 到来时优先修改投递矩阵,不因单篇面经重写整套计划。

投递当天再核验一次资格、地点、岗位 ID 和截止时间。任何付费内推、索要账号密码或要求向私人邮箱发送敏感材料的渠道一律放弃。


12. 2026-08-13 增量刷新

12.1 招聘版图变化:2027 届正式批全面开闸

2026-08 第一周起,字节(8.3)、京东(8.3)、B站(8.3)、阿里集团(8.4)、美团北斗(8.5)、蚂蚁(8.10)、腾讯(8.11)相继全面启动 2027 届校招;拼多多提前批 8.23 截止、阿里星 8.23 截止。逐公司启动日期、投递机制(字节 4 次投递、专项不占次数等)与策略移至新文档《2027 届秋招时间线与投递策略》统一维护,本文不再扩写;动态状态仍看窗口日志。

12.2 新增面经样本

样本内容要点分级
腾讯 WXG 暑期大模型算法(转载于汇总帖内)一面 2.5h:手撕 AdamW、两道 SQL、海量数据清洗与敏感词处理、Q-learning vs DQN;二面 2.5h:GRPO/PPO/RM/MDP 追问、bf16/fp16/fp32 计算、LoRA 细节、手撕 PPO、算 MDP 折扣阈值(无穷级数)、算 SFT 参数量与显卡利用率、相交链表、全连接层输出基底趋近正交基的开放题;三面为面委会(两篇顶会论文答辩+RL 趋势);HR 面B-First(转述自一手,轮次时长完整)
26 届秋招字节大模型算法三轮一面:训练数据构造 Pipeline 场景题+编辑距离;二面:GRPO、DeepSeek-R1 奖励函数与两阶段训练、MHA 原理、Agent 项目、手撕 MHA;三面:RL 如何落到业务+再撕 MHAB-Weak(带辅导推广)
阿里大模型算法(RAG 项目深挖 16 问)分块策略、embedding 选型、rerank 算法、微调数据格式与显卡占用、幻觉处理、Transformer 三架构应用场景、llama2 结构与位置编码、训练资源、langchain、显存优化、主流模型 loss 对比、半精度、DeepSpeed;手写 GQA + 合并 K 个升序链表B-Weak(带辅导推广,题目结构完整可作深挖预演清单)
阿里大模型一面 GRPO 深挖复盘GRPO loss 逐项写出并解释(ρ_t、组内标准化 A_t、min/clip、β·KL)、追问 ε=0.2 从哪来、Reward Hacking 应对(人工抽检+多 RM 集成)、信用分配B-Weak(平台转载,技术内容与原论文一致)
DeepSeek 大模型算法岗笔试帖 2026-07-26手写完整 MHA(不能只写框架)、DPO 全流程推导、MoE 通信开销与负载不均衡、vLLM PagedAttention+投机解码、DeepSeek-V4 KV 缓存压缩计算、DeepSeek MoE 无辅助损失负载均衡推导;另提及 2026-07-12 Agent 开发岗实习机考C-Lead(含题库广告,无法确认为真实卷面;作为练习池)

12.3 考点趋势增量(相对 §6.3)

  • 手撕从”MHA/softmax”扩展到优化器(AdamW)与完整 PPO 训练循环;SQL 开始出现在大模型算法面试里(WXG 样本)。
  • 追问深度进入”计算层”:现场算 MDP 折扣阈值、SFT 参数量、显卡利用率、混合精度数值——对应 30 天计划 B 线的显存/参数量口算训练。
  • 公司自研模型的技术报告成为题源(DeepSeek-V4 KV 压缩、R1 两阶段奖励、无辅助损失负载均衡)→ 面试前 48h 必读目标公司最新报告(信息源手册 §5 有清单)。
  • Agent 方向考”工程化生态”(Harness、Skill、终止与评测)的频率继续上升,与 DeepSeek 扩招方向一致。

12.4 新增信息源

GitHub 面试仓库(wdndev/llm_interview_note、laoshan-song/Awesome-LLM-Interview、MisterBooo/llm-interview-questions、Meko1/llm-interview-guide、adongwanai/AgentGuide、WeThinkIn/AIGC-Interview-Book 等)经核验真实活跃,已连同组织情报、薪资、技术跟进渠道一并整理进《信息源清单与检索手册》;使用纪律与本文 §1 证据分级一致。


13. 2026-08-23 增量刷新

13.1 检索口径

  • 精确时间窗:2026-08-14 00:00 至 2026-08-23 23:59(北京时间);另外回补上一快照漏掉但仍影响当前投递的 8.10–8.13 启动项。
  • 八条工作流:官方校招、专项/实习、候选人面经、笔试/AI Coding、Agent 岗、后训练/RL、多模态、训练系统与论文。Exa 深检索返回 423 条候选结果,去重后只把官方页、官号转发、候选人原帖和原始论文写入正文。
  • 本节是公开增量证据,不宣称覆盖企业内部题库、登录后岗位、私域群或已删除内容。二手题解只用于训练题型,不能标成“原题”。

13.2 招聘窗口:8 月 10–20 日第二波集中开闸

公司已核验变化当前动作证据
华为2027 应届生批 8.15 启动;国内本硕 2027.1–12 毕业,国内博士/海外本硕博放宽到 2026.1–2027.12立即筛盘古/小艺/诺亚模型算法岗;不要把昇腾纯 Infra 当同一序列官方入口
快手8.12 网申、8.14 面试、8.17 起意向/Offer;快Star 全年开放;部分技术岗增设 AI Coding,所有岗位可提交 AI 应用经验简历补一条“AI 如何完成真实交付”的证据;准备受监考约束的 AI Coding官方入口、启动信息
小米8.10 启动,12.31 网申截止;AI 岗需求增长 50%,产研类占 70%筛 MiMo、Agent、机器人、多模态岗位官方入口、启动信息
美团北斗之后,常规校招 8.17 正式启动;新增十余种 AI 原生岗,超过 80% JD 提及 AI 能力北斗与常规批可并投;传统算法与 AI Coding 两线准备启动信息
网易8.20 启动,网易互联网、互娱、雷火三条流程可同时投且互不冲突分事业部建立三条投递记录,不只投一个入口官方入口、启动信息
荣耀8.18 启动,9.30 截止;9 月起机考/面试,部分岗位有 AI Coding8 月内投;按算法岗通知准备官方入口、批次说明
OPPO7.15 已启动且招满即止;官方职位页当前显示 2027 届应届/博士/实习岗位 200+立刻筛 Agent 记忆/检索、多模态、端侧大模型官方职位页
vivo / 滴滴vivo 8.11、滴滴 8.13 启动;均已进入当前批次vivo 研发岗 9.15 笔试;滴滴全渠道共 3 次主动投递vivo 官号转发、滴滴官号转发

今天的硬动作:拼多多 2027 提前批和阿里星均标注 8.23 截止。当前仍按 open · 今日截止 处理,8.24 再打开官方页确认是否转 ended。

13.3 8 月中旬新笔试:纯 ACM 与 AI Coding 同时存在

场次公开题目骨架训练映射证据
拼多多 8.16① 枚举/位运算三元组;② 栈/队列输出序列模拟;③ 带权区间调度;④ 按输入顺序且边权严格递增的最长路枚举剪枝、栈模拟、排序+DP、每点离散化 Fenwick DPB-First:考生题面与思路回忆
京东算法 8.15JSON 频繁项集(Apriori 剪枝);选一半元素使两组和最接近(MITM)子集剪枝、折半枚举、稳定 JSON I/OC-Derived:作者明确称“改编真题”,含 AI 辅助生成
美团算法 8.18电商搜索排序 AI Coding(文本/品牌/价格/行为特征,NDCG@10);ML/DL/大模型选择;GCD 区间编程排序学习最小流水线、分组切分、NDCG@10、传统算法保分B-Secondary:题面整理,非候选人第一人称

结论不是“算法题被 AI 取代”:拼多多仍是四道高强度 ACM;变化是同一求职周期并存三种卷面——经典算法、ML/LLM 可运行实现、受规则约束的 AI 辅助交付。对应训练已补进笔试作战手册与ML / AI Coding 补丁。

13.4 新面经:Agent 系统边界与 RL 公式同时问

样本内容要点分级
腾讯 27 秋招大模型算法一面表格 Agent;Agent 与固定 Pipeline 的区别;项目动机和业务价值;PPO/DPO/GRPO/DAPO、DPO/GRPO 公式;感知—规划—执行—反思;混合推理模式;游戏反作弊场景;手撕 LISB-First / Date-Weak:第一人称且问题具体;页面只给相对时间,按 8.22 左右记录,不把日期写死
多家公司 Agent 实习复盘context vs prompt、幻觉与异步上下文污染、RAG/MCP/Tool、SFT/PPO/DPO/GRPO、Redis/HTTPS 和经典算法;说明 Agent 岗并非只问框架B-Weak:第一人称汇总但未逐题映射公司/轮次

准备口径因此升级为:先回答“为什么不用确定性 Workflow/Pipeline”,再讲 Agent 的状态、动作、环境反馈、停止条件和评测;只有存在长程决策、策略自己的错误状态和可用反馈时,才进一步引出 RL。强化学习题库新增第 76 题覆盖这一问法。

13.5 8.17–8.19 后训练/Agent RL 原始论文增量

这些论文都很新,属于趋势与开放题材料,不是已经在国内面经中稳定出现的八股。优先理解共同问题,不背缩写排行榜。

论文它修的故障一句话方法备考级别
SA-MRPO(8.17)多奖励先固定加权再标准化,会丢失 reward profile,并把梯度浪费在已饱和目标每个目标独立标准化,再按剩余提升空间动态降权已饱和目标P1:多奖励设计题
TRCA(8.17)Agent 早期几乎没有成功轨迹,无法拿成功轨迹做 step credit 锚点用 Evidence/Execution/Invalidity rubric 直接评价状态转移,合并局部、突破与终局奖励P1:Agent 信用分配
GUPO(8.18)一个 mini-batch 内不同 prompt 组的梯度方向冲突把组梯度当随机变量估计不确定性,降低不可靠组的聚合权重P2:GRPO 优化开放题
DART-SD(8.19)全轨迹模仿会覆盖 Agent 已经走对的前缀,并惩罚等价的工具顺序建交互状态图,找关键拓扑断点,只对恢复步骤蒸馏,保护有效前缀P1:多轮工具学习
R2-OPD(8.19)教师相似度不等于推理进展,OPD 可能惩罚有效但不同于教师的思路比较教师奖励与进展奖励的 span 排序,冲突时屏蔽蒸馏奖励P1:OPD/蒸馏追问

详细讲解、统一坐标系和第 71–75 题已写入强化学习前沿专题与答案卡。


14. 2026-08-29 增量刷新

14.1 检索口径与结论

  • 精确增量窗口:2026-08-24 00:00 至 2026-08-29;对 8.21–8.23 已发生但上一轮尚未公开/漏检的面经与论文做回补。
  • 招聘结论:没有出现另一轮“所有大厂同时启动”,而是正式批继续放出细分岗位。最值得立即行动的是拼多多正式批、腾讯 Code/Agent/Harness、多模态后训练,以及天猫技术 Agent 算法岗。
  • 面试结论:Agent 岗已从“会不会 LangChain/RAG”推进到 Context/Harness、权限安全、长程停止、轨迹验证、评测闭环;RL 岗则继续追问 reward granularity、user simulator、OPD 和多轮 credit。
  • 论文结论:本轮只补三个有明确失败机制的案例,不按发布日期堆算法名。每个案例都写“故障 → 机制解释 → 已有原理 → 可证伪预测”。

14.2 招聘与 JD 增量

项目新变化对备考的直接含义证据边界
拼多多 2027 正式批8.24 公开招聘帖出现,官方职位入口仍是校园招聘页旧提前批结束;重新核验正式批岗位 ID,算法/大模型方向直接补投官方入口 + 8.24 招聘帖,记 A-Official + A-Relay
腾讯 2027 新岗位8.27 可见混元 Code & Agent、Harness/自进化,以及多模态生成后训练等细分岗位Agent 简历不只写调用 API:补状态管理、工具契约、权限/沙箱、终止、评测和失败恢复官方动态链接可打开但正文由 JS 渲染;岗位字段由官方 URL 与公开聚合页交叉核验,记 A-Official-Link / Field-Relay:Code & Agent、Harness/自进化
天猫技术 Agent 算法8.26 企业职位页把 Prompt/RAG/Agent 选型、Memory/MCP/Skills、SFT/DPO/GRPO、Agentic RL、trajectory、autorater、A/B、安全与成本放进同一 JD面试回答按“任务定义 → 数据/轨迹 → 训练 → 离线/线上评测 → 权限安全 → 成本”闭环组织企业职位页,不是阿里官方静态校园页,记 A-JD / Employer-listed
百度 AIDU官方大模型 J99938 与 Agent J99969 可直接读取大模型岗补 SFT/RLHF、MoE/Latent Attention、投机推理;Agent 岗补规划/工具/反思、RAG 与成功率/延迟/成本大模型 JD、Agent JD,A-Official

14.3 8.25 美团笔试:AI Coding 已占半卷

候选人亲历帖给出的版式是:10 道选择题 30 分、1 道算法题 20 分、类 Kaggle 的 ML AI Coding 50 分。算法版本 A 是“单点修改数组,维护任意两数差绝对值总和”,可用坐标压缩 + Fenwick 维护数量/和值做到 (O(\log n)) 更新;同日另一公开回忆的算法版本是前缀 MEX/构造判定,并提到约 90 分钟 AI Coding。

使用纪律:把它们记为同场多卷的两个版本,不能拼接成所谓“完整统一原卷”。训练上新增三条:前 15 分钟跑通合法 baseline;每次只做可验证的小改动;模型分数不涨时先查数据切分、目标泄漏、输出契约和指标,而不是盲目换大模型。

14.4 新面经:Context/Harness 与多轮 RL 成为实问题

样本可核验题目证据与边界
百度大模型研发 Agent 方向一面(面试 8.18,发帖 8.25)Prompt → Context → Harness 的区别;上下文将溢出时如何压缩;团队 RAG;Coding Agent 学习体系;数据库索引;手撕二叉树前序+层序;后续继续问 Tool Calling/C 端 Agent 架构B-First。帖子里的“Claude Code 三层压缩”是该场问法,不当作厂商官方固定术语
阿里云 Agent 算法一面(8.27)核心产出如何验证、回看如何改;Agent Loop;Harness 权限/安全;长程任务何时早停B-First。候选人明确没做大规模 RL,因此本场没有硬追 RL;这本身说明项目真实性优先于背算法名
淘天 Agent 算法一面(8.27)pretrain/post-train 数据诊断;任务构造;统一 pipeline 与用户反馈;trajectory 如何验证;mid-train vs post-train;业务算法什么时候值得自己训练模型B-First / Page-partial。页面静态抓取不稳定,只保留已公开题纲,不扩写答案
阿里云 AI Infra / Agentic RL 一面(面试 8.23)OPD 动机与过滤;为何不用学生错误轨迹;process/outcome reward;过程奖励偏差;多轮双层 reward;user simulator 过拟合;转真人/A-B 评测;冷启动与业务约束;verl AgentLoopB-First,岗位相邻于 AI Infra,作为高价值 RL 信号收录,不外推成所有 Agent 算法岗必考

从这些样本抽出的新回答顺序是:先说系统状态和成功标准,再说 Harness 如何限制动作、保存/压缩上下文、处理权限与重放,之后才决定是否需要 SFT/RL。没有长程决策、可重复环境和可信反馈时,不要为使用 RL 而使用 RL。

14.5 三个 RL 机制案例

A. 先问“策略有没有支持”,再问用 PPO 还是 GRPO

  • 观察到的失败:相同 RLVR 配方在不同 base model/prompt 分布上成败不一,甚至“伪奖励”有时有效、有时有害。
  • 机制解释:如果 base policy 对目标行为的概率质量接近零,on-policy rollout 几乎采不到正例,优化器没有可学习信号;prompt 分布还会改变奖励与行为的相关结构。
  • 已有原理:经典 RL 的 exploration/support。RL 不是从零创造任意行为,而是放大、重排策略已有的可达行为。
  • 可证伪预测:训练前的 pass@k/support 指标应能预测可训练性;在 support 很低时,先做数据/SFT/curriculum 应优于直接增加 GRPO steps。见 Demystifying Reinforcement Learning Post-Training of Language Models(8.24)。

B. Credit 不只是一条 reward,要区分 evidence、transport、update geometry

  • 观察到的失败:GAE 用固定时间核,GRPO 把序列结果广播给所有 token;二者都不感知该条 Transformer 轨迹实际如何计算。
  • 机制解释:哪些 token 影响后续推理随轨迹变化,固定位置衰减或全序列同权可能把信用传错位置。
  • 已有原理:credit assignment 与 GAE 的 bias–variance 权衡;新工作把“成功证据、信用传输、参数更新几何”拆成三件事。
  • 可证伪预测:如果内部计算统计确实携带信用信息,trajectory-specific gate 应胜过常数、位置或打乱对照。CompPO 报告 Qwen3-4B 上 61.4% 对 tuned GRPO 53.8%,且包含 constant/shuffle/position controls;但它仍是新预印本,attention concentration 只是候选代理,不是已建立的因果真值。见 CompPO/CCT(8.21)。

C. Judge reward 也会被 hack:pairwise + 无异常负例校准

  • 观察到的失败:Agent/审计器用单点评分训练时可能通过夸大、编造可疑行为拿高分,产生高 false positive。
  • 机制解释:judge 的代理目标没有充分约束“没有问题时应保持沉默”,策略就会利用表面线索;这与业务 Agent 的 autorater/reward hacking 同构。
  • 已有原理:偏好比较通常比绝对标尺稳定;校准集必须包含“无目标行为”的负例。
  • 可证伪预测:reference-based pairwise reward 加入无隐藏行为目标后,应在保持发现能力的同时降低 false positive。论文的最佳配置报告 false-positive rate 低于 1%,但结论来自单一审计应用与 LLM judge,迁移到业务 Agent 仍需独立验证。见 Training Alignment Auditors via Reinforcement Learning(8.26)。

补充阅读:Unsupervised Post-Training Survey整理了 80 种严格 UPT 方法,并提醒同源内部信号可能递归放大错误;它适合作为选型索引,不新增一张要背的方法卡。

这些内容已同步进强化学习前沿专题和第 77–79 张答案卡。

15. 2026-09-08 增量:九月笔试与 Agent 排障

15.1 招聘与流程

窗口日志 §0记录本轮来源和证据边界:美团 9.01 高校企业公告新增近期场次与专项互斥规则;vivo FAQ 确认一周后的截止/研发笔试;拼多多官网正式批证据增强;Seed、百度 AIDU 为存量复核。淘宝闪购生成式岗是新发现的转载线索,阿里国际 Agentic RL 公告为实习。腾讯/华为未取得足够的新大模型岗位字段,不据此写“停止招聘”。

15.2 公开样本(不混合不同岗位和试卷)

ID来源与日期已读主帖内容证据边界
SEP-JD-01京东算法笔试,2026-09-05 21:12 发布,标题“9月5日”NumPy 逻辑回归,JSON 训练/测试输入、输出概率;另有直线运动题和 AI Coding亲历自述。运动题条件不全;AI Coding 无题面/评分细节,不把“8880”解释成正确率
SEP-BY-01字节 Agent 开发一面,2026-09-04 发布,标题“9.3”Harness、长任务从 5 分钟变成 15–20 分钟的排查、工具参数可靠性、上下文压缩;给定数字集合构造严格小于 n 的最大数亲历自述,Agent 开发相邻岗;面试年份未单写,按帖子日期归档,不计作后训练研究岗高频证据
SEP-PDD-02PDD 0906 AI Agent 研发岗,2026-09-06 21:40 发布传送带箱子最少反转;和为 k 倍数的无序对;魔法边有次数上限且不能连续使用的最短路;两侧配对收益最大化亲历回忆,明确 Agent 研发岗;四道传统算法题,未提 AI Coding/可用 AI。最短路与 KM 是作者给出的解法提示
SEP-PDD-01拼多多 9.06 机考整理,2026-09-07 发布“彩门换向”与模数配对第三方整理,前两题与 SEP-PDD-02 重合,作为旁证不重复计题
SEP-MT-01美团算法策略 9.01 整理,自标场次 2026-09-01站点库存 AI Coding,整数/容量/预算/ID 对齐约束;欧拉回路题二手,无候选人原始链接/发布日期;另一份同日整理称多云成本 HTTP 服务。不同卷或误配尚未确定,不合并为固定试卷

上表是本轮新增的跨岗位观察附录,不与旧账本的 89 组算法面经直接相加。拼多多两个来源重合,不能当两套试卷。题面完整程度决定可复现范围;看到新日期并不意味着整页推荐内容都发生在该日。

15.3 三项实际补课

  1. 完整 ML 提交:按AI Coding 补丁新增的自拟协议,限时完成 NumPy 逻辑回归;检查 shape、稳定 sigmoid、有限概率和 JSON 输出。真实卷若指定初始化/正则/迭代次数必须遵循题面。
  2. 算法边界:受限数字构造练逐位贪心与回退;彩门换向保留原位置,能开就开,整趟无进展才判失败;不把两题硬称为力扣原题。
  3. 可观测 Agent 答辩:先复现同一输入与版本,对比模型调用、工具耗时、重试次数、循环步数、输入/输出 token 和排队;并行工具看关键路径而非把耗时全相加。定位后再选择减上下文、修工具、限重试或缓存,并复测任务成功率。

15.4 强化学习阅读增量

本轮加入三篇原始论文案例,详细讲解见前沿章 §7:竞赛代码后训练练训练/搜索归因;文本简化 GRPO练奖励漏洞与切分泄漏审计;First Things First练必须条件、偏好和无解子集评测。它们是新论文,尚未作为面试实录收录,79 张评分卡保持不变。

原始文档:GitHub 源文件。

本页目录