北汽agent offer

1. 自我介绍2. PPO、TRPO、DPO 分别是什么，它们的核心差异在哪TRPO 的出发点是让策略更新别跨太大步，它通过约束新旧策略的 KL 距离，把优化问题写成一个带信赖域的约束优化，所以理论上比较稳，但实现复杂、计算成本也高。PPO 可以看成是 TRPO 的工程化近似，它不直接解复杂约束问题，而是通过 clip 或 penalty 的方式，限制策略更新过猛，因此在实践里更常用。DPO 和前两者不太一样，它不是传统在线 RL，而是直接从偏好对里学习一个“更偏向 chosen、压低 rejected”的目标，相当于把 reward optimization 吸收到一个更简单的监督目标中。P...

最好的一家，面试完不管过没过都有邮件通知，还附上面试反馈。最差的一家，面了三轮，最后HR说发offer，然后消失了。两周后问，说流程冻结了。还有一次现场等了一个小时，没人来面。遇到这种公司，早点放弃是好事。

项目经历之外，也问了基础和端侧 AI Agent 理解这场高通一面整体给我的感觉是，节奏比较平，先从自我介绍和项目经历展开，然后慢慢转到计算机基础、Agent 理解、岗位匹配度和实习安排这些内容。不是那种一上来就连续追问很深的底层细节，更像是在确认你的背景是不是和岗位方向对得上，以及你是不是具备继续做这类工作的基础。开头还是常规自我介绍。我主要讲了自己现在做的方向，包括 AI Infra、底层性能优化、算子开发、图优化这些，也讲了在一段 GPU 软件栈相关实习里做过的几类事情，比如算子性能优化、算子融合、稳定性问题排查，以及在学校里做过的一个量化推理 runtime 小项目。这里我还是尽量把重...

timeline4.2一面，面完一个小时后约二面4.7二面4.9hr面4.10oc面了快一个月了，总算有收获了，字节hr人很好，体验感很棒。