📍面试公司：百度 🕐面试时间：2026.03.20💻面试岗位：文心一言 后训练❓面试问题：自我介绍，教育背景，项目，和实习（两段本科Java web实习，没有后训练实习经验）GRPO训练的数据流KL散度的计算公式，怎么做平滑softmax的计算公式，怎么防止数值爆炸，有什么影响GRPO里的$\pi_\theta$, $\pi_\theta_{old}$, $\pi_\theta_{rollout}GRPO里是off-poliy/on-policy，当batch_size非常大时，如何缓解off-poliy的问题？平时使用vibing code的频率，以及使用的模型有哪些？了解TRL，VE...

欢迎友好讨论，信息共享1.项目拷打2.moe架构的专家路由是对每个token路由还是对每个序列路由3.如果是对每个token路由，那么代码实现时是如何避免写对每个token的循环的4.部署qwen3合成数据时候用的什么框架5.在用qwen3-32b做推理时显存占用是多少6.在多卡上部署模型时，用了什么策略使得GPU利用率能拉满7.讲一讲vllm框架，他是如何保证GPU利用率的8.讲讲flash attention9.算法题：反转链表

真的感觉现在的笔试就是在筛选老实人。就正常你去刷题，感觉根本就做不过这些互联网大厂的笔试题，因为整个难度实在是非常太大了。

攒攒人品！有面试过同岗的朋友欢迎评论区交流1*你项目用了rag，讲一下整个rag流程2*介绍一下常见的文本分块方法3*如何对齐查询和文档的语义空间4*详细介绍下对比学习和infonce loss5*温度系数大或者小有什么影响6*为什么现在的大模型都是decoder only结构7*那bert能做生成任务吗？什么场景下可以做8*有哪些peft方法，有什么区别9*进行sft操作的时候基座模型选用chat还是base10*你用的什么框架sft？11*手撕：反转链表