1.介绍一下 DPO , PPO , GRPO2.介绍一下奖励函数的坍缩现象和问题3.离线强化学习和在线强化学习了解么？你的项目里是哪种？4.代码:onehot100的2d接雨水5. GRPO 公式？为什么公式里面 clip 了外面还要计算一次 mean 呢？6.讲讲qwen2.5vl, llama7.多目标优化奖励函数冲突，8.介绍一下 QKV 的计算？9.手撕MHA📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

📍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...

自我感觉答的不好，语言组织能力差，但面试官说还可以项目拷打+八股1.BM25是怎么设计的2.讲讲Lora3.整个训练花了多长时间4.数据集怎么构建的？5.了解强化学习吗？6.rag问答的整个流程是怎么样的7.讲讲训练的损失函数有哪些反问1.我表现如何2.公司主营业务和落地产品3.公司人事架构4.是否有成熟的技术文档刚面完就oc，体验感很好，不过200人的ai公司算小厂吗？

话不多说，上面经（一面已过）。一、面试背景岗位：TCL鸿鹄实验室 - AI语音。相关时长：约35分钟。形式：技术一面我这边背景：百度高级研发，6年经验，主做AI语音项目（商机智能平台），之前华为待过，算是从大厂跳大厂的节奏。面试官很专业，问的问题基本都是围绕我的项目深度展开，没问八股，全是场景题和设计题。我只能说——干得漂亮。（那也就是说，刷的算法，背的八股，基本上是没用了，而且不只这一个面，很多面试都不考算法和基础八股了，这难道只是我的幸存者偏差吗）二、核心问题复盘1️⃣ 自我介绍（2分钟）标准流程，我简单说了下三段经历：百度：商机智能平台，面向广告主的智能营销系统，融合文心大模型华为：政务...