百度大模型算法岗一面面经：从 GRPO 训练细节到 CoT 数据集

百度大模型算法岗一面真题：面试官按简历逐项深挖 Agentic-GRPO 的业务场景、训练数据规模与配置、红蓝对抗主体设计、奖励函数维度，再问 Qwen 微调的数据筛选与配比、CoT 数据的自动化构建与降噪，收尾是交叉熵、SQL 与两道手撕。

快手多模态大模型算法一面：DPO 与 GRPO 的区别与零梯度陷阱

快手多模态大模型算法一面，题目短但密度很高：从 DPO、SFT、GRPO 三者的定位差别与 DPO 更像谁，到 DPO 的优化目标和数据筛选要点，再到 GRPO 里样本全对全错为什么梯度为 0、奖励方差与 DVPO，最后是 PanoVision 与 VL 模型的对比和项目奖励函数的设计缺陷。