AgentAlpha · 面试间← 返回主站

公司题库 · 蚂蚁集团

蚂蚁集团大模型 Agent 面试题

Agent 交付风险与回滚机制、Harness 上下文管理等生产化考题常见；大模型算法岗反复考 PPO 四模型与量化选型。

题目口径：来自 蚂蚁、蚂蚁集团、支付宝 等公开渠道的面经与岗位 JD 高频归纳，不是内部真题。 按大家实际被问到的方向整理，每题一页带答案与追问。

Q · GAE 的公式是什么？λ 和 γ 各是什么含义？为什么有了 Reward Model 还需要 Critic？GAE是多步TD误差的加权和，γ决定未来奖励视野，λ调节偏差与方差。Reward Model只提供最终的标量奖励，而Critic用于估计状态价值并作为基线，用来降低策略梯度更新时的方差。
Q · RL 训练中 Rollout 为什么会成为瓶颈？异步收集的旧策略数据还能用吗？Rollout 瓶缘来自自回归生成受访存限制、长尾序列拖批和与训练争抢 GPU；异步收集的旧策略数据是 off-policy 数据，不能直接当 on-policy 用，要配重要性采样修正并限制陈旧度。
Q · Agent 产出的需求直接上线有什么风险？回滚机制怎么设计？风险在于大模型幻觉导致逻辑错误、产出不可解释、责任主体不清且易引发级联故障。回滚机制需基于版本快照，分层设置硬条件自动回滚与软条件人工决策，确保回滚动作幂等且有超时保护。