📍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...

妈呀不会给我挂了吧  

牛友们，都说春招对于我们这种学院本会更友好，为什么boss上都是直接回复不合适，连简历都没机会发出去，牛友们能看看这个简历有什么问题吗。

面试官问你：agent系统中，工具调用失败怎么办？以及之前可能铺垫了哪些问题，串讲！引入“工具”的过程1.什么是agent，他的组成部分有哪些？2.为什么要引用工具，单纯的大模型不行吗？3.工具给大模型扩展了怎么样的能力？4.了解Function call吗？5.了解MCP吗，说说MCP的组成？6.看来你都了解 说说Function call，MCP，工具之间的区别？7.最近很火的skill，你跟Function call，MCP做过对比吗？8.看来你都做过对比，说说skill有哪些特性吧9.看来你都了解，说说mcp和skill哪个上下文占用比较大10我去这些你都知道，那你知道怎么写好一个工具...