经纬恒润offer审批

📍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...

###

没必要在学校疯狂卷了

Landing困境：作为实习生，刚进公司大概率会陷入“打杂迷茫”：做着基础任务、看着复杂代码，总觉得没学到真东西本文结合自身经历，提供以下思路，并且在后续实习经历中持续更新分享，也欢迎各位牛友分享补充1、文档篇优点：易获取 缺点：容易陷入大量文档中谨记核心点：什么样的文档我们需要花时间认真看？技术实践文档和业务文档技术实践文档：这部分最有价值的，无论是当前热门的龙虾，还是经典的技术，在真实企业生产场景中是如何应用的，背景、目标、方案、尤其是踩坑经验，多去在知识库平台看这种博客/文档像网易内部不同bu就已经有好几款龙虾了，有道的、云音乐的、智企的，如何去利用好这些工具，真实开发中如何用更提效，各...