📍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...

如题，八股现在背了一半，hot在刷2遍了，但是好多忘了喵，现在打算边投遍复习了，简历还有要修改的吗？求狠狠拷打喵！！！！

大家都在鼓励你。自己也要争气啊！！！

自我介绍项目难点1.redis缓存的数据过期机制2.进程线程协程3.长连接和短链接以及场景4.生成唯一id的方法5.扫雷游戏怎么设计6.很大的地图判断10米之内的怪物7.背包系统的简单设计8.给了元素求所有子集蜀黍第一次面试非常紧张，回答的不怎么样背包系统也没写出来，估计是寄了面了20多分钟，也就是增加经验了。听说多益风评也不好，但蜀黍春招只要能找下个工作就感觉不错了。