【题解征集】牛客挑战赛41 送牛币喔~

“白天打工，晚上谋反”的状态，大概是每个在职求职者最真实的写照。09:00 - 09:20 (通勤)： 刷刷各个公司的招聘更新了没？看看邮箱，收集下信息。10:00 - 12:00 (工位)： 假装忙碌。12:00 - 14:00 (吃饭+午休)：吃饭的时候可以看看八股。14:00 - 15:00 (开会)： 开会时偷偷浏览职位详情。15:00 - 18:00 (工位)： 干活。18:00 - 19:00 (吃饭+通勤)：利用空闲排一下今晚的测试和笔试时间。19:00 - 23:00 (高强度)：笔试，笔试，还是笔试。最高峰一晚上三个笔试，直接榨干了。“骑驴找马”不仅是体力的考验，更是心理的博...

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

📍面试公司：百度 文心一言🕐面试时间：2026.03.18💻面试岗位：大模型RL后训练❓面试问题：自我介绍，教育背景，项目经历项目介绍，基于大语言模型的信号灯控制，问题是什么，如何结合熵，怎么评测，指标结果如何强化学习理论内容，trust-range和PPO的关系PPO是off-policy or on-policy? on-policy为什么会有importance sampling，采样的策略模型和要训练的策略模型有偏差，重要性采样加以修正PPO的clip在优势A 正/负时 限制上/下届，A为正限制上届，A为负限制下届PPO的损失函数怎么计算的？广义优势估计是怎么计算？GAE中lam...