📍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...

求内推

1. 你能实习多久，能不能稳定实习 6 个月2. TCP 丢包之后一般怎么处理答案：TCP 是可靠传输协议，所以它不会把“丢包”直接暴露给应用层，而是通过确认、重传、滑动窗口这些机制自己处理。最基本的手段是超时重传，也就是发送方在发出数据后等待 ACK，如果超时没收到确认，就认为可能丢包并重传。除此之外还有快速重传。如果发送方连续收到多个重复 ACK，说明某个中间报文段大概率丢了，不必等超时，直接提前重传。在工程上，丢包不只是“重传一下”这么简单，它还会影响 RTT 估计、拥塞控制、发送窗口增长和整体吞吐。如果是在音视频场景里，还要补一句：TCP 虽然可靠，但丢包重传会带来时延抖动，所以实时音...