📍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...

不知道写一个项目够不够，现在的实习只做了一个月不到。不知道项目写上去会不会是减分项所以没写。或者说自己个人做的项目，但是含金量比较低的，要不要写上去....希望简历能过初筛吧，毕竟学历实在太低了，永远过不去的坎

现在的工作让我持续成长。在项目中不断接触新技术和新问题，我的代码能力和解决问题的思路都有明显提升。同时，在与团队协作的过程中，也逐渐提高了沟通能力和工程意识。这种持续进步的状态让我对未来更加有信心，也更加明确自己的发展方向。