本人现在研二，双非本211硕，深度学习，研一接触过一点模型部署的东西，现在为了找实习学的C++，面了一个小公司蛙声科技，总共面试不到20分钟。以为没了，因为他是语音方向的，但我一点不会，上面写的部署相关的才投的。他也说了，部署相关的在边缘侧部署，不涉及算子和npu。要不要去？目前C++就会基本使用，八股没背，hot100刷了一遍，大公司没一个给面的。

📍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...

想入门的话，我建议做模型压缩和端侧部署。现在手机、电脑、嵌入式设备都想跑大模型，但算力有限。量化、剪枝、蒸馏这些技术能把模型变小变快，这个方向技术门槛高，竞争还没那么激烈。

1. 你做的 Agent 项目整体架构是什么？答：一个比较完整的 Agent 架构一般包括四层：用户输入层、规划决策层、工具执行层、结果整合层。用户输入进来后，先做意图识别和上下文整理，再由大模型决定是直接回答、检索知识、还是调用工具。工具层可能包括搜索、数据库查询、知识库检索、接口调用、代码执行等。工具返回结果后，再交给模型做总结、归因和最终输出。如果是生产环境，还会多一层治理能力，比如权限校验、超时控制、重试、日志、观测、敏感内容拦截。Agent 和普通问答最大的区别，就是它不是单纯生成文本，而是“模型负责决策，外部系统负责拿真实信息，最后再由模型组织答案”。2. Agent 为什么不等于...