小红书大模型应用算法一面

面试很难，还是要多多练习，感觉自己说不明白业务逻辑1•大模型普遍训练多少 epoch？为什么？2•预训练阶段更应该关注 epoch，还是 token 数？3•为什么现代大模型常说“训练了多少 T tokens”，而不太说“训练了多少轮”？4•训练 token 数和参数规模之间是什么关系？5•你先讲一下 Transformer 的整体结构，为什么 self-attention 能替代 RNN？6•DPO 相比 PPO/RLHF 的优缺点是什么？7•什么是 instruction following？为什么 base model 和 instruct model 体验差这么多？8•SFT 数据要怎么构造？什么样的数据最有效？9•如果 SFT 后通用能力下降了，你怎么分析？

📍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...

滴滴国际化出行约面了，但是面试时间全被选满了，我选了时间不合适，这个后续还会约面吗，还是说直接就挂了

1、自我介绍2、项目拷打3、讲一下 OpenClaw 的记忆本地存储怎么设计如果做本地记忆存储，我不会把它设计成简单的对话历史追加，而会把它拆成短期记忆、长期记忆和检索索引三层。短期记忆主要服务当前会话，用来保存最近几轮对话、当前任务状态、工具调用结果和待执行动作；长期记忆主要保存用户偏好、历史事实、任务总结和可复用经验；检索索引层则负责把长期记忆做结构化检索和语义召回。本地存储设计时，数据模型最好不要只存一段纯文本，而是存结构化记录。比如：memory_iduser_idsession_idmemory_typecontentsummarytagscreated_atupdated_atim...