2025–2026 厂商真题精讲:把 slime 讲进面试
字节、百度、阿里、腾讯混元、商汤等 2025–2026 公开面经真题逐题精讲:GRPO 家族、训推一致性、异步 RL 与 Agentic RL,每道题都落到 slime 源码与具体开关。
大模型算法、训练系统与工程实践的学习笔记。
Tag
12 essays under this label.
字节、百度、阿里、腾讯混元、商汤等 2025–2026 公开面经真题逐题精讲:GRPO 家族、训推一致性、异步 RL 与 Agentic RL,每道题都落到 slime 源码与具体开关。
结合源码比较 GRPO、GSPO、CISPO、REINFORCE++ 与 PPO,并拆解 ratio、KL、critic、advantage 和训练指标。
沿 Ray placement、RolloutManager、训练 actors、权重同步和 checkpoint,追踪 slime 一轮训练的完整控制流。
学会阅读 slime 启动参数、计算 GPU placement、选择 TP/PP/DP/CP/EP,并比较 NCCL、full disk 与 delta disk 同步。
追踪 prompt、Sample、reward、loss mask、logprob、rollout ID、GBS、micro-batch 与 DP/CP packed sequence 的完整生命周期。
用 rollout-only、train-only、指标、checkpoint 和分层决策树定位 OOM、NaN、乱码、Ray pending、权重不同步与性能瓶颈。
从 import-path hook 和 Sample 契约出发,设计搜索、工具、sandbox、代码 Agent、多 Agent、VLM 与 OPD 训练方案。
一套从零建立 slime 心智模型、追踪源码、理解算法与系统取舍,并准备真实场景面试追问的完整学习路线。
从在线 RL 的系统难点出发,解释 slime 的定位、Ray、Megatron、SGLang 分工、设计取舍与能力边界。
精确比较 slime 的同步、N/N+1 流水和 fully-async rollout,理解吞吐、staleness、colocate 与恢复边界。