虾皮推荐算法 日常实习 二面

攒人品中，祝大家都能拿到满意的Offer！1.项目拷打2. grpo 和 dpo 以及跟最早的 ppo 有什么区别，这个你有了解吗？3.在做大模训练时，一般用全参数微调还是 lora 微调？简单描述下 lora 的原理。4.训练的优化器一般用什么？ Adam 跟 SGD 的显存相比哪个占比更高？5.对搜推有了解吗，比如精排、召回的模型？除了 FM 和 DeepFM 这种做特征交叉的结构，还有哪些其他的做特征交叉的结构吗？ DCN 了解吗？6.精排和召回的区别在哪，或者说为什么一般先做召回再去做精排？7.代码题： leetcode hot 100的题

📍面试公司：蔚来🕐面试时间：2026.03.16💻面试岗位：大语言模型强化学习算法实习生❓面试问题：自我介绍项目经历1，拷打项目动机，方法细节，评测方式，遇到的难点和解决方式，提出的方法为什么有效强化学习算法理论基础，介绍PPO算法，算法计算公式，优点，训练流程，介绍GRPO算法，特点，优势有关强化学习算法的代码库，TRL，VERL，Ray等询问对于Agentic RL 的认识，其中可能存在的难点，答了算法侧的稀疏奖励问题和工程实现上各类工具的稳定性编程题，word1->word2的最小操作次数🙌面试感想：自我介绍吟唱时间太长，适当压缩为教育背景，研究背景，项目/实习经历的简单介...

AI已死，赶紧跑路，都2027年了，还在谈论ai什么大模型什么agent😨

📍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...