百度大语言模型算法面经

有面试过同岗的朋友欢迎评论区交流1.GRPO 和 PPO 在 RLHF 中的核心区别是什么？2.KL 散度在 RLHF 中的作用是什么？它的公式如何直观理解？3.vLLM 的核心优势是什么？它是如何通过 PagedAttention 提升显存利用率的？4.Qwen3 和DeepSeek-R1 在架构上有哪些关键差异？5.微调数据集的结构是怎样的？有多少条？数据清洗和有效性验证是怎么做的？6.奖励函数是如何设计的？7.怎么避免模型靠堆字数刷奖励？8. KV Cache 在长上下文推理中可能被污染，你们有做缓存隔离或清理机制吗？9.本地部署时，如何平衡vLLM 的上下文长度和显存占用？是否做过量化或动态批处理？10.手撕：乘积最大子数组（LeetCode 152）

手把手带你从零搭一个多 Agent 项目，并告诉你做完后能投哪些岗位、简历怎么写。  项目架构：先搞清楚你在做什么 用户输入主题 ↓ 🔍 研究员 Agent （联网搜索 + 整理资料） ↓ ✍️ 写作者 Agent （生成结构化文章） ↓ ✅ 审核者 Agent （检查质量 + 输出最终版） ↓ 输出：完整报告 / 文章  这是一个"自动内容生产系统"——输入一个话题，三个 Agent 分工协作，自动产出一篇完整的分析文章。这类系统在企业里已经在用了，你把它做出来就是一个真实的业务级项目。 第一步：环境准备 系统要求：Python 3.10+，有 OpenAI 或 Cla...

继续来分享下之前的面经~欢迎友好讨论，信息共享1.实习项目拷问半小时2.推荐项目拷问十分钟：做的是什么，数据包含什么，什么是AutoInt3.八股：AUC物理含义和定义4.手撕：开根号回答得还行，手撕也秒了，但是可能不太匹配

最近 AI Agent 这个词特别火，很多同学都在问：想做 Agent 开发，从哪里开始？ 可以先学 LangChain。 它是目前最适合入门 Agent 开发的框架，GitHub 91k+ star，文档完善，社区活跃，大厂实际在用。学会它，你就打通了 AI 应用开发的核心链路。 一、为什么 Agent 方向值得学？ 先说背景。2026 年 AI 岗位招聘有个明显趋势：  纯算法岗（调模型、跑实验）越来越卷，要求越来越高 AI 应用工程师需求在暴增，门槛相对可控 大量企业开始用 Agent 做内部自动化，但会做的人还很少  Agent 开发的核心就是：让 AI 不只是回答问题，而是能自己规划...