前言我的速成找实习/春招的经验帖子：链接我的学习后端和agent2手抓的专栏：链接第一梯队（互联网大厂）腾讯（微信总部）（天河）：微信/腾讯云广州研发中心网易（总部）（天河）：游戏 + 音乐 + 严选阿里巴巴（华南总部）（天河/海珠）：阿里云、电商字节跳动（分部）（天河/海珠）：抖音电商、研发中心百度Apollo（研发中心）（黄埔）：自动驾驶 + 智能交通京东（华南总部）（黄埔）：电商科技 + 供应链物流华为（研发中心）（白云）：5G通信 + ICT + 云计算第二梯队（细分领域）小鹏汽车（总部）（天河/番禺）：智能汽车研发 + 制造唯品会（总部）（天河/海珠/荔湾）：电商特卖 + 供应链欢聚...

没必要在学校疯狂卷了

我现在这个水平大概能拿到多少薪资的offer😂

📍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...