Aug 14, 2026 27 min read Featured
2025–2026 大厂面试真题与热点精讲:verl 与 LLM RL
字节、阿里、快手、腾讯、百度真题逐题精讲,加训推不一致、异步 RL、Agentic RL 三大热点专题。
大模型算法、训练系统与工程实践的学习笔记。
Tag
2 essays under this label.
字节、阿里、快手、腾讯、百度真题逐题精讲,加训推不一致、异步 RL、Agentic RL 三大热点专题。
对照源码盘点全部 14 种 advantage estimator、12 种 policy loss、KL、长度偏置及常见算法组合。