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 ...

腾讯面试这个状态是啥意思

实习经历拷打这个功能（单点登录）具体是做什么的？“Ticket”是什么？里面包含了哪些信息？Token存储在哪里？后端如何进行身份认证和校验？Token是明文传输的吗？系统是否会记录用户的登录状态（如登录时间、超时）到数据库？如果没有，如何判断Token是否过期？在拦截器中使用ThreadLocal存储用户信息，目的是什么？ThreadLocal是线程内共享的。如果一个用户连续发起两个请求，它们能被同一个ThreadLocal处理吗？为什么？一个请求处理结束后，是否需要手动删除ThreadLocal中的数据？为什么？八股HashMap是线程安全的吗？请举例说明一个HashMap线程不安全的场景...