滴滴实习 大模型算法一面面经

笔试时间：2026年3月15日往年笔试合集：2023春招秋招笔试合集2024春招秋招笔试合集第一题：划分（MEX 最小值最大化）难度： 中等题目描述给定一个长度为 的数组 和一个整数 。需要将整个数组划分成恰好 个连续子数组，每个子数组至少包含一个元素。对一个数组 ， 表示没有出现在其中的最小非负整数。在所有可能的划分中，定义：其中 为划分得到的子数组。你的任务是使 尽量大，并求出能达到的最大值。MEX 定义： 指在数组中没有出现过的最小非负整数。示例：输入描述第一行包含两个整数 （），表示数组长度和要划分的子数组个数；第二行包含 个整数 （），表示数组的元素。输出描述输出一行，一个整数，表示...

继续来分享下之前的面经~欢迎友好讨论，信息共享1. LLaMA 相比原始 Transformer 架构有哪些改进？2. 微调（Fine-tuning）和对齐（Alignment）的区别？3. 模型微调到什么程度才需要进行对齐？4. 四种对齐算法的区别：PPO、DPO、GRPO、DSPO？5. 位置编码的作用？为什么相对位置编码通常比绝对位置编码更好？6. GAE（Generalized Advantage Estimation）以及重要性采样（Importance Sampling）？7. 损失采样（Loss Sampling）相关问题？8. 目前了解哪些大模型架构？例如 LLaMA 等。9. 是否了解 PagedAttention？10. LoRA 中两个低秩矩阵是如何初始化的？11. PPO 中的四种模型分别是什么？各自的作用是什么？

📍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...

主播双非bg，自身实力也不够。秋招的时候拿到了字节跳动的后端开发岗位offer ，但是最后开奖只有劝退价（目前看到后端岗位最低价）。但是手里也没有别的更好的offer ，想问各位下大佬们这种情况要去吗，会试用期直接劝退嘛？