Agentic RL 面试题
共 5 篇真实面经 · 涵盖 百度 / 阿里云 / 滴滴 / 快手 等 4 家公司
百度 Agent 算法岗一二面面经：Agent 架构、上下文管理与 Skill 设计
百度 Agent 算法岗一面二面面经：一面从 Agent 核心模块与主流框架问起，覆盖 ReAct 与 Plan-and-Execute 的差异、海量工具下的 Token 爆炸与工具乱选治理、Agentic RL 的动机、全方位评测维度、单 Agent 与多 Agent 取舍以及上下文溢出方案，手撕翻转整数；二面转入源码阅读（OpenClaw、Claude Code）、记忆与上下文管理实现对比、工具错选根因、自定义 Skill 结构，并要求设计「预订明日上海机票」的完整链路与任务停滞的异常处理，手撕单词拆分。
百度 Agent 算法岗一二面面经：Agent 架构、上下文管理与 Skill 设计
百度 Agent 算法岗一面二面面经：一面从 Agent 核心模块与主流框架问起，覆盖 ReAct 与 Plan-and-Execute 的差异、海量工具下的 Token 爆炸与工具乱选治理、Agentic RL 的动机、全方位评测维度、单 Agent 与多 Agent 取舍以及上下文溢出方案，手撕翻转整数；二面转入源码阅读（OpenClaw、Claude Code）、记忆与上下文管理实现对比、工具错选根因、自定义 Skill 结构，并要求设计「预订明日上海机票」的完整链路与任务停滞的异常处理，手撕单词拆分。
阿里云 AI Infra 一面面经：Agentic RL 训练岗
阿里云 AI Infra 一面记录，面向 Agentic RL 训练岗：先做三道按简历定制的题（限时 40 分钟三选二）并讲解思路，随后深挖 OPD 蒸馏动机与数据筛选、过程奖励与结果奖励的区别、多轮对话双层奖励与用户模拟器构造、转人工率评测与 A/B 设计，以及 verl 中 AgentLoop 的特点。
滴滴算法秋招凉经：GRPO 监控指标与 Agentic RL 数据链路
滴滴算法秋招凉经，12 问全部围绕 RL 后训练：GRPO 除 reward 外要盯的六类指标、可训练轨迹必须保留的可见状态、SFT 数据筛选与成功轨迹的幸存者偏差、何时从 SFT 切到 RL，以及异步 rollout 的 off-policy 与 KL 约束。
快手大模型应用开发二面：Agentic RL 与 RAG 全链路
快手大模型应用开发二面：中段集中考 Agentic RL 的信用分配、PPO 的 Clip 与 KL 约束、GRPO 为何省掉 critic；其余覆盖 Agent 架构、RAG 切分与混合检索、幻觉归因、记忆冲突与 SSE 断点续传。
微信小程序
手机上刷面经，随时随地
扫码 / 长按识别，免下载直接打开
或在微信 搜一搜「面灵面经」