📍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...

ps:感觉三月一堆大佬，不敢投了

已经有一段实习了，但是年后投到现在至今0约面😭，是哪里出了问题啊，是双非学历问题还是简历问题啊😭😭求各位大佬指点一下

 1.TCP和UDP有什么区别？各自适用什么场景？TCP和UDP是传输层的两种协议，特点完全不同。TCP是面向连接的，需要三次握手建立连接，四次挥手断开连接。提供可靠传输，保证数据顺序和完整性，有确认和重传机制。是面向字节流的，数据作为连续的流传输。有流量控制和拥塞控制机制。头部开销大，至少20字节。UDP是无连接的，直接发送数据，不需要建立连接。不保证可靠性，可能丢包、乱序、重复。是面向数据报的，每个数据包独立传输。没有流量控制和拥塞控制。头部开销小，只有8字节。速度快，实时性好。 // TCP服务器示例 int listen_fd = socket(AF_INET, SOCK_STREAM...