商汤大模型算法实习二面（已oc

攒人品中～～1.介绍 Lora 的思想，为什么有效2.DPO 的数据集来源3.PPO 和 GRPO 的区别（损失函数的 clip 作用）4.什么是大模型的幻觉，大模型解决幻觉的方式有哪些5.为什么降低温度能缓解幻觉6.你项目中 system prompt 和 user prompt 的区别7.DeepSpeed zero-3 有什么改进8.verl 和 vllm 你是怎么配合的，每个在项目中的作用9.手撕：LCR 076 数组中的第 K 个最大元素

📍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...

攒人品中，祝大家都能拿到满意的Offer！1.介绍DPO和PPO2.DPO损失函数怎么算的3.梯度检查点如何提升效率4.详细讲一下deepseed5.以7B的模型为例，计算训练需要多少显存说明都有哪些部分，每部分怎么算的，以及用deepseed每一个阶段节省多少内存，怎么节省的，计算过程中都有乘以2字节是为什么，什么原理6.做Rag 时候的分块策略7.BM25原理，RRF的原理8.Kl散度的输入是什么，怎么来的手撕：用torch实现kl散度

最近整理了安克创新一面中出现的面试题目。整体来看，面试问题主要集中在嵌入式基础知识、项目经验以及系统理解能力等方面，内容比较常规，基本属于嵌入式岗位常见的技术面试问题。题目涉及通信协议、RTOS 使用场景、Linux 中断机制、DMA、调试方法以及项目问题排查等方向，重点考察应聘者对基础知识的理解深度以及在实际项目中的应用经验。下面是本次安克创新一面涉及的主要题目：面试题目先做一个简单的自我介绍你在项目中使用过哪些通信协议？重点讲讲 I2C 和 SPI 的区别你提到使用了 FreeRTOS，能详细说说在什么场景下选择 RTOS 而不是裸机开发吗？谈谈你对 Linux 内核中断机制的理解你在简历...