百度 大模型算法面经(一面、二面、三面)
秋招 · 2026-10 · 来源 牛客
聚焦大模型后训练技术栈,涵盖评估指标、Mid-Train范式、MOE架构、多模态对齐、RLHF/冷启动设计及ViT-LLM协同训练
一面 · 八股:解释困惑度PPL的物理意义及预训练常用概率类评估指标
一面 · 八股:对比Mid-Train、预训练、微调三阶段在参数配置与训练策略上的差异
二面 · 场景:设计多模态长时序数据采集与构建方案,并分析ViT与LLM联合训练 vs 分步训练的权衡
二面 · 八股:列举ViT和LLM的基础损失函数,并说明多模态训练中视觉编码器是否需独立损失及其形式
三面 · 项目:基于个人项目PPT进行深度追问与复盘
三面 · 开放:分析Mid-Train训练范式的性能瓶颈、能力上限及对大模型后训练技术体系的整体认知