📍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：自我介绍项目经历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，优势有关强化学习算法的代码库，TRL，VERL，Ray等询问对于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编程题，word1->word2的最小操作次数🙌面试感想：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...

会议室里突然安静了。 大屏幕上，我刚翻到技术选型报告的最后一页——三个候选方案的对比表格，每一栏都标注了架构风险、扩展性评估和落地成本。架构师放下手里的咖啡杯，抬头看向坐在角落的我。 "这个调研是谁做的？" 导师示意我站起来。我感觉到会议室里十几双眼睛同时转过来，其中有几位是技术委员会的资深架构师。 "我做的。"我的声音比预想中稳。 架构师往后靠了靠，"你花了多久？" "两周。" "只有两周？"他翻回前面几页，"你把这三个开源框架的核心实现都看过了？" 我点点头，"...