百度 - 大模型后训练实习生 二面

📍面试公司：百度

🕐面试时间：2026.03.20

💻面试岗位：文心一言 后训练

❓面试问题：

1. 自我介绍，教育背景，项目，和实习（两段本科Java web实习，没有后训练实习经验）
2. GRPO训练的数据流
3. KL散度的计算公式，怎么做平滑
4. softmax的计算公式，怎么防止数值爆炸，有什么影响
5. GRPO里的$\pi_\theta$, $\pi_\theta_{old}$, $\pi_\theta_{rollout}
6. GRPO里是off-poliy/on-policy，当batch_size非常大时，如何缓解off-poliy的问题？
7. 平时使用vibing code的频率，以及使用的模型有哪些？
8. 了解TRL，VERL吗？
9. transformers，pytorch库使用频率
10. 编程题：使用transformers，pytorch实现Qwen2模型的SFT训练
11. 反问：
1. 实习base - 上海
2. 实习薪资 - 250+20
3. 业务方向 - 后训练，开源生态，科研导向

🙌面试感想：

1. 薪资太低
2. GRPO训练的工程实践匮乏