大三，211，Java后端，第一次正式找实习，写个帖子记录一下，也希望给同样第一次的同学一些参考。时间线：1月：整理了简历，刷完了hot100大半，感觉自己差不多了（后来证明差远了）2月：开始投，字节、腾讯先投，笔试差点没写完，才意识到自己差距2月中：补了两周八股，重新调整复习方向3月初：重新开始投，这次扩大范围，美团、百度、京东、快手、网易都投上了现在：字节进了一面，其他还在等找实习前没想到网申填表是个体力活，每家系统不一样，信息全要重填，最开始真的很崩溃。后来发现牛客有个网申助手，把自己的信息录进去一次，之后打开网申页面自动填，省了很多重复劳动，整个人状态好了一点。现在主要时间放在准备面试...

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

10号下午二面的，今晚才从复试通知链接变成这个进度，求佬解答

📍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...