AgentAlpha · 面试间← 返回主站

公司题库 · 腾讯

腾讯大模型 Agent 面试题

混元大模型、元宝与微信场景的 AI 助手，社交内容与游戏 AI 方向有自己的侧重。

题目口径：来自 腾讯、混元、元宝、微信 AI 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 · Agent RL 的奖励怎么设计？Outcome、Process、规则奖励各适合什么场景？Agent RL 奖励设计采用组合策略，以结果奖励为主导，规则罚分作兜底，过程奖励辅助冷启动。结果奖励适合结果可校验的任务，过程奖励解决长链路信号稀疏问题，规则奖励用于格式和权限约束。
Q · 长链路 Agent 任务为什么信用分配难？PRM 怎么参与？难在只有最终奖励且轨迹长，无法区分哪一步导致成败，优势估计方差大；PRM 可作过程奖励拼进总回报，或直接转成优势信号参与更新。
Q · GRPO 之后有哪些衍生改进？DAPO 改了什么？先讲清GRPO组内相对优势、截断比率和KL惩罚三要素。再说明DAPO用Token级损失归一解决长度偏差，用动态采样过滤无效组，放宽截断上界防熵塌缩，最后补充移除方差归一等衍生思路。
Q · DPO 训练时 chosen 和 rejected 的概率同时下降，是什么原因、怎么处理？DPO损失只关注相对概率差，不保证绝对概率上升。当数据存在标注颠倒或同质化严重时，模型会同时压低两者概率。处理时首要检查清洗数据，其次考虑在训练侧增加SFT损失项托底或采用变体。
Q · GRPO 训练要盯哪些指标？熵坍塌和组内奖励方差为零分别怎么处理？GRPO 训练需盯紧奖励、策略熵、KL散度和组内奖励方差。应对熵坍塌可采用熵正则、降低KL约束或clip-higher；处理组内方差为零需引入动态采样过滤无效组，并优化奖励判据的难度分层。
Q · 怎么判断一个算子是带宽瓶颈还是计算瓶颈？Roofline 模型是什么？判断瓶颈的核心是对比算子的计算强度与硬件的拐点。Roofline 模型通过横轴计算强度和纵轴性能，直观展现算子是被内存带宽限制还是被算力限制。
Q · 什么是 Function Calling？它的原理是什么？开发者用 JSON schema 描述工具传给模型，模型判断需要时输出结构化 tool_calls JSON 而非自然语言，宿主代码执行后把结果回填对话，模型再生成答案——模型只决策、代码执行，两轮对话完成一次调用。
Q · CoT 为什么有效？它有什么缺点或局限？模型逐 token 生成没有回头修改的机会，CoT 把中间步骤外置到上下文里当草稿纸，后续生成能利用已写下的推理；代价是 token 和延迟成倍涨，且推理链出错会向下传导。