📍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...

   😅? 

大佬们帮忙看看简历 孩子约不到面😭全是已读不回 要么就是培训机构的套路我知道是个学院本学历不讨好 真想找口饭吃冲什么岗比较合适呢

敲完最后一行代码注释，把今天改好的版本提交到Git仓库，我靠在椅背上，拉开一罐冰可乐，灌了一大口，气泡冲得人脑子一麻，爽得不行。今天是我来这家工业自动化公司做嵌入式开发实习的第35天，也是我入职以来，第一次独立完成的功能模块，顺利通过了测试组的验证，没有打回，没有致命bug，mentor在部门群里@我，说了句“干得不错”。而就在一个月前，我还是个连公司开发环境都搭不明白，站在mentor工位旁，连问问题都要在心里打三遍草稿的纯纯菜鸡。拿到实习offer的时候，我在宿舍和哥们吹了半宿的牛，说终于能进正经企业干技术了，结果入职第一天就被浇了盆冷水。mentor给我发了公司的开发文档和环境配置教程，...