跪求大佬们的HR面经！

只问了项目，一点八股没问，大概40min，感觉是kpi面自我介绍你第一个项目能详细讲一下吗登录模块三种实现JWT是指什么JWT+Redis、Session+Redis 的区别是什么KV 分别是什么，JWT令牌做key还是val，有何区别（在 JWT+Redis 方案中）Lua脚本，Redis cluster， msetThreadLocal在项目中怎么用的使用 ThreadLocal 会有什么问题除了内存泄漏之外，还有什么问题所有 service 之间传递数据都应该用 ThreadLocal 吗，会不会破坏软件系统的架构两个有序数组找中位数反问

本人bg为末九本，目前力扣hot100过了一遍目前在刷面试150，算法能力不太行，八股过了一遍。从3.9号开始陆续投简历，主要是官网投得多，中间几家大厂因为太菜笔试没过，其他不是简历挂就是一直在初筛，ssob上发了消息不是已读不回就是看都没看。在ssob上投还是在官网投面试机会大？另外我是不是简历有问题？希望各位大佬能给我和我点建议 从开始到现在已经一个月了一个面试机会都没有，已经没招了引流：美团，字节，pdd，腾讯，阿里

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

1. 项目拷打 问的非常细 , 聊了30min2. GRPO 里的 reward 一般怎么设计，怎么避免模型学歪GRPO 的 reward 设计关键不是“打分越多维越好”，而是要保证相对排序真的有意义。常见做法是把 reward 拆成几部分，比如正确性、格式遵循、长度惩罚、拒答合理性、安全性这些，再做加权组合。对于推理任务，最核心的一般还是结果正确性和过程可验证性；对于开放式生成，还得控制风格漂移和模板化输出。真正难的是 reward hacking。模型很容易学会一些表面上拿高分、实际上没解决问题的套路，比如故意写很长、固定套模板、强行迎合裁判模型。所以 reward 设计通常不能只靠单一 ...