中汽中心（北京）-自动驾驶测试-一面

🕐面试时间：60min❓面试问题：自我介绍拷打agent项目，react是怎么设计的，多轮对话是怎么实现信息传递的，每个agent在每轮对话中的记忆是怎么样的长短期记忆的理解rag是怎么实现的，reader和spliter的策略是什么。召回效率不好怎么优化（切割方案，多路召回，query rewrite）mcp的stdio和sse有什么区别在你开发的实际感受下，传统的掉api和使用mcp有什么体感上的不同第二个项目实现怎么实现幂等的在事务过程中mysql蹦了怎么办，锁怎么释放（防不胜防，考虑设置断点+过期时间）如果我要改成一个用户能操作5次，怎么改（在最开始用分布式锁锁住，然后在里面进行业务...

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

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 ...