毕马威大模型实习生面试

📍面试公司：百度 🕐面试时间：2026.03.20💻面试岗位：文心一言 后训练❓面试问题：自我介绍，教育背景，项目，和实习（两段本科Java web实习，没有后训练实习经验）GRPO训练的数据流KL散度的计算公式，怎么做平滑softmax的计算公式，怎么防止数值爆炸，有什么影响GRPO里的$\pi_\theta$, $\pi_\theta_{old}$, $\pi_\theta_{rollout}GRPO里是off-poliy/on-policy，当batch_size非常大时，如何缓解off-poliy的问题？平时使用vibing code的频率，以及使用的模型有哪些？了解TRL，VE...

27届大模型实习，SFT、RL、Agent、Prompt 工程都能干，太卷了，求各位大佬内推实习Bg：1. 上海人工智能实验室书生实训营十佳项目、优秀营员（Agent，多家公众号宣传）；2. EMNLP一作、ACL多篇在投，方向围绕安全对齐、CoT、LoRA；3. 围绕 RL、SFT、Pretrain 实现小参数基座模型 BludLM（有A100算力随时随地可用）；4. 项目层面，MutiAgent-Search（无GPS图寻地址，Agent）、FreeKnowledgeAI（搜索引擎，tool）；5. 实习层面，目前在华为 MindSpore 参与开源实习，负责案例研发；

📍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...

是简历有问题吗