📍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...

拷打简历，第二版简历了， Hot100正在刷第2遍，八股还在背，感觉很不熟，大家八股有什么快速提升的方法吗，

佬们看看这个简历可以冲大厂吗

腾讯云整体50min。手撕20、项目25、其他5min1、自我介绍2、手撕：K个一组翻转链表（和力扣不同的是要求从链表尾部开始翻转）3、项目中应用服务停了怎么办（没懂什么意思，开始说的是redis和消息队列挂了怎么办，面试官说不是这些中间件停）4、项目中写到rabbitMQ的不同队列传消息，用不同的线程池来处理不同的队列，设置一些队列的消息优先处理，面试官问怎么实现这个优先。5、redis在项目中怎么用的6、大key问题怎么处理7、redis架构（答：主从复制）8、主从复制怎么确保主从一致性？（吟唱八股）9、redis和mysql的一致性怎么保证？（吟唱八股）10、慢SQL怎么排查（吟唱八股）...