最近春招和实习已开启了。

不同以往的是，当前职场环境已不再是那个双向奔赴时代了。求职者在变多，HC 在变少，岗位要求还更高了。

最近，我们又陆续整理了很多大厂的面试题，帮助一些球友解惑答疑，分享技术面试中的那些弯弯绕绕。

• 《大模型面试宝典》(2025版) 正式发布！

喜欢本文记得收藏、关注、点赞。

部门与岗位：

• 百度- 文心一言团队 - 大模型 Agent

一面

1. 首先是自我介绍和项目介绍，期间会有简单的互动，面试官会问一些项目的实现细节
2. 介绍一下了解的大模型有哪些，这些模型在结构上有什么差异
3. 说一下大模型常用的位置编码有哪些，各有什么优缺点
4. 介绍一下大模型的预训练后训练以及推理是怎么做的，并且详细问了 RLHF 的做法，包括 PPO 算法的原理，以及 DPO 和 PPO 的区别
5. 大模型的超长上下文是怎么做的，比如说 KIMI
6. 大模型智能体是怎么工作的，有哪些组件
7. 场景题：如何训练一个大模型，可以做到精确的提取摘要
8. 代码：股票的四个题
   • 121. 买卖股票的最佳时机
   • 122. 买卖股票的最佳时机 II
   • 123. 买卖股票的最佳时机 III
   • 188. 买卖股票的最佳时机 IV

整体来说一面偏基础，问的问题也主要是一些大模型的八股问题，没有太多发散性的问题，难度不大。但是考察的还是挺全面的，整个面试一个半小时多

二面

1. 刚开始还是自我介绍和项目介绍，介绍项目时面试官问的深刻一些，比如说做某个操作或者某个改进的动机是什么，有什么好处
2. 因为之前是做 CV 的，所以面试官问了 CV 和 NLP 的区别和联系，在 Transformer 的大背景下，CV、NLP，包括语音等，能否实现大一统
3. 训练大模型的时候数据怎么清洗，怎么处理，怎么配比，怎样操作能更容易使模型达到更好的性能
4. 什么是大模型的幻觉，如何减轻幻觉问题
5. 大模型的复读问题是怎么产生的，业内一般有什么解决办法
6. 大模型的工具调用怎么实现
7. Agent 有哪几部分构成，了解哪些具体的实现方法
8. 开放题：之前训练大模型的时候遇到过什么困难，你是怎么解决的
9. 代码：实现一个 Tokenizer，只能用 PyTorch 基础语法

二面相比于一面更加看重综合素质，喜欢考察分析问题解决问题的能力，对于一些细节知识点的考察并不多。二面也面试了一个多小时，面试官还是挺专业的。

三面

1. 首先还是过项目，但是问的特别细致，尤其是一个 Agent 的项目，从背景，到动机，再到做法，最后的结果，都问的非常细，大概有半个小时的时间
2. 开放题：你觉得当前大模型还存在怎样的问题，有什么解决办法吗
3. 开放题：让你自己设计一个 Agent，会怎么做，为什么这样做
4. 找工作比较在意的点是什么，除了薪资还有什么
5. 对文心一言这个产品了解吗，有哪些优点和值得改进的点
6. 如果给你发 Offer，你到这个团队能做出什么贡献

三面整体来说更加综合，不止有一些技术问题，还有职业规划这些问题，更加考察整体的能力。面试官应该是这个团队的大老板，看问题更加系统和全面，整体面下来还是比较有压力的。

总结

整体下来感觉面试官都是非常专业的，面试深度和广度都很可以，三场面试层层递进。面试官人也不错，如果比较满意的话也愿意多花时间来聊，而不是严格的卡一个小时这种完任务式的面试。