百度

32 篇面经507 道面试题

官方招聘开始复习

3007

Agent 后训练中的 Verifier 如何设计？

模型训练与对齐Verifier 与训练评测

方案设计

进阶

3008

Agent 训练中的 Bad Case 如何回流？

模型训练与对齐训练数据构建与治理

方案设计

进阶

3009

PPO 的 Value Model 如何训练？

模型训练与对齐强化学习与奖励

原理机制

进阶

3010

PPO 的 Reward Model 如何训练？

模型训练与对齐强化学习与奖励

原理机制

进阶

3011

GRPO 的 Reward 能否迁移到 PPO？

模型训练与对齐强化学习与奖励

比较选型

进阶

3012

Code Agent 的 Verifier 如何设计？

AI 应用工程与治理评测体系与实验设计

方案设计

进阶

3019

三数之和的解法复杂度是多少，为什么？

算法与编程题算法复杂度与数据结构基础

原理机制

进阶

另有 1 篇多公司合集，可在面经记录中查看。