小米 大模型算法面经（一面、二面）

秋招 · 2026-09 · 来源 牛客

• 一面 · 项目：引入 Agent 的原因，离线环境与工具交互
• 一面 · 项目：GRPO 训练流程与超参
• 一面 · 八股：规则奖励与奖励模型如何选
• 一面 · 八股：reward hacking 的处理
• 一面 · 八股：Top-k 与 Top-p，同时使用的逻辑
• 一面 · 八股：PPO 与 GRPO 的差异
• 一面 · 八股：DPO 的 loss 与参考模型的作用
• 二面 · 项目：模型选型依据
• 二面 · 项目：缺少完整监督轨迹时训练信号从哪来
• 二面 · 项目：业务规则如何融入模型
• 二面 · 项目：项目收益与测试集表现