一面：

1. 深挖ray的一些知识，怎么做梯度并行运算的
2. 问了rllib一些相关的问题，记不太清了
3. 写出Q-learning的公式
4. sarsa的公式以及和Q-leaning的区别
5. PPO和TRPO讲一下
6. DDPG讲一下
7. 问了一道数学概率题：涂红球的期望时间
8. 一道算法题 U型桶注水最大面积的问题（用了暴力搜索的办法）问还有啥优化办法 没答上来
9. 反问阶段

一面过

二面：

1. 自我介绍 问了发的论文是什么会议
2. 强化学习on-policy 、off-policy以及policy-based 和value-based的区别以及分别有哪些算法
3. MC和TD 方法的区别
4. 对IMPALA是否了解 看过paper 有印象 大概说了一下算法思想
5. 对做的项目进行深挖 就强化学习的动作、状态以及奖励如何定义的，指标有哪些，包括状态和动作的维度是多少，那些算法效果比较好
6. 一道算法题 棋盘搜索的问题 代码没完整写出来 让说了一下思路

本文来源自： https://zhuanlan.zhihu.com/p/352462854