📍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...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

求助，怎么改进。约面都没有🙂‍↔️  

去年夏天，我组里来了一个让我印象很深的实习生。不是因为他优秀，恰恰相反——他来的时候基础相当薄弱。面试时，我其实有点犹豫某211学校，大三，没有任何实习经历，唯一的项目是一个图书管理系统课程设计。技术问题回答得也一般，Java、数据库、Redis都只是了解皮毛。但有一个点打动了我：“我学习能力还可以，遇到不会的就查资料、问人，直到搞懂为止。”这种态度，让我决定给他一个机会。第一周：连Git都不会用入职第一天，他在Git上卡了整整一个下午。clone、commit、merge冲突，都不太熟。我心里有点凉：这基础也太差了吧？但他说：“导师，Git我以前用得少，但我今晚回去好好学一下，明天应该就没问...