📍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...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

春招约不到面试，太难受了

感觉面试官不是很尊重人，面试的过程中一直和旁边的人讲话，我说完了又过来问我已经说过的东西比较熟悉的技术栈是什么？实习期间做了什么工作？具体一点讲一下短链接项目讲一下分库分表怎么做的，为什么要分表，你的分片键用的什么？你消息队列如何实现幂等性处理的？如何保证消息只被消费一次？保证消息不会丢失？怎么用redis+lua脚本实现限流的？lua脚本为什么是原子性的？然后这时候开始说，看到很多人都是用的短链接项目如何实现点赞排行榜的？讲一下缓存三兄弟乐观锁如何保证不会超卖？这里说了半天，我说是通过先将库存缓存预热到redis中，然后先通过redis decrement命令去扣减缓存，如果库存小于0了就直...