蔚来大模型强化学习训练一面

📍面试公司：蔚来

🕐面试时间：2026.03.16

💻面试岗位：大语言模型强化学习算法实习生

❓面试问题：

1. 自我介绍
2. 项目经历1，拷打项目动机，方法细节，评测方式，遇到的难点和解决方式，提出的方法为什么有效
3. 强化学习算法理论基础，介绍PPO算法，算法计算公式，优点，训练流程，介绍GRPO算法，特点，优势
4. 有关强化学习算法的代码库，TRL，VERL，Ray等
5. 询问对于Agentic RL 的认识，其中可能存在的难点，答了算法侧的稀疏奖励问题和工程实现上各类工具的稳定性
6. 编程题，word1->word2的最小操作次数

🙌面试感想：

1. 自我介绍吟唱时间太长，适当压缩为教育背景，研究背景，项目/实习经历的简单介绍
2. 项目介绍不够顺畅，需要处理好实验细节的介绍
3. 有关RL的理论知识需要再巩固下，一时忘了广义优势估计
4. 蔚来的该岗位主要是搭建Agentic RL的训练pipeline，面向语音控制的智能座舱积累经验。