📍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...

年后投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

闲聊幂等相关问题多线程相关问题。Java中的HashMap、ConcurrentHashMap实现原理为什么MySQL使用B+树？慢SQL如何优化？介绍实习中的ES的同步是怎么做的手撕：LRU缓存 输出没搞好，给面试官说了下思路就OK了。 过年玩的太嗨了，面试的状态还不是很好，很多地方思路很乱，面试官感觉也对我的实习不太感兴趣，没聊几句就手撕了。