📍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...

魔改的两个项目，怎么样？ 八股看了一点，hot100过了一遍，但感觉也忘得差不多了，能找到实习吗？

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

背景专升本+双非硕，春招目前拿到俩offer，都要提前实习：1.北京，实习240一天，转正11*14，一家小厂，规模只有20-99人，应该是做智能体这块2.广州，实习6k，转正10k，公司规模100-499人，公司业务貌似是做那种车载终端，然后今年新开了一个ai部门，说是老板很重视亲自带，然后面试是老板亲自面的，全程没问技术问题，反而在问学校是不是211，导师有没有什么title还有高考分数这种，然后岗位看上去像是做vibe coding。