零跑汽车- 强化学习算法工程师面经
因为投的比较晚，所以目前进行到一面，后面是主管面和HR 面。
一面（1小时20分钟）：主要是聊项目和论文，撕了一道蒙特卡洛估计的题
- 从论文的DDPG算法开始聊，TD3，SAC算法，应用场景，优缺点啥的
- 聊王者荣耀比赛，从网络结构设计（特征工程、channel attention，self-attention，multi-head value estimation），奖励函数设计，算法设计（dual-clip PPO + NoisyNet， 此处对RL 中的探索方法展开了一下），训练流程设计（自对弈模型筛选、策略集成），聊完之后面试官已经比较满意了，后面就是随便聊了些跟CV相关的比赛和项目
- 聊天池图像分割比赛，讲了一下我们上分技巧，伪标签+模型融合，顺便讲了一下为什么伪标签这种方法在比赛中屡试不爽
- 聊另外一个项目，跟机器人抓取相关，介绍了一下整体方案，网络结构，问了一些项目中的难点怎么解决的
代码题： 从左至右 有 A,B,C,D,E 五个点，每次初始时刻智能体都在C点处，每次有0.5的概率往左，0.5的概率往右，到达A 点或者E点就结束，到达A 的话 获得 r = 1 的奖励，到达E获得 r = -1的奖励，否则 r =0. 试写一个强化学习环境 并且估计智能体到达A 点的概率
就是写个环境然后进行蒙特卡洛估计，代码如下，到达A 点的概率在0.5左右
class gameenv: def __init__(self): self.arr = ['A','B','C','D','E'] self.state = 2 def reset(self): self.state = 2 def step(self, action): if action == 0: self.state = self.state-1 elif action==1: self.state = self.state+1 if self.arr[self.state] =='A': done = True r = 1 elif self.arr[self.state] =='E': done = True r = -1 else: done = False r = 0 return self.state, r, done
反问业务：预研部门，然后用RL 做路径点规划，感觉有点像goal-conditioned 的任务，只不过每个目标点有约束。
二面（10min）：刚吃完晚饭，直接一个电话call 过来，没有提前预约，问了一些业务问题和八股
- 怎么用RL 做路径规划？尝试给出一个具体的方案
- 深拷贝和浅拷贝
- 动态规划和分治的区别
类似资料：