今天拼多多后端一面，给我干沉默了一次。 提前说：我字节一面过了，以为拼多多差不多，结果完全不是一个量级。 【题目流水账】 HashMap数据结构，说清楚扩容机制，为什么用红黑树而不是AVL树。（我说到一半说错了，面试官直接打断："那个不对，重新说"，全程很直白） ThreadLocal原理，说一下内存泄漏的情况以及如何避免。 MySQL索引，B+树结构，为什么不用B树，磁盘IO怎么估算。 手写代码：LRU缓存，要求O(1)读写。我写了LinkedHashMap方案，面试官说：好，现在不用库，手写一遍。 手写完之后面试官突然问：你投递了多少家公司，用什么管理进度？ （这个我没...

这些题刷完能不能拿五千一个月

四次面试终成鹅孝子 😭 

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 ...