比亚迪违约

一面：感觉没问什么像是被迫来面试我的二面：被拷打完了1.这个skill是怎么测评的？（被说明做这个没有意义）需要有一定的指标，比方说之前生产图片的质量不行，人为进行标注可利用率65%，之后调用完了可利用率到达80%作用，效果非常可观；具体指标这个得根据需求来说，需求覆盖哪些风格，哪些镜头，甚至一致性的，对应出一系列的测试集，可以人工评测也可以用模型去评，重点是评测数据结果。2.最后用户的使用数据？没有评测数据，也没有用户的使用数据，那你这个东西做了和没做有什么区别？？命中率是如何提升的？3.所做的任务对于命中率的贡献是多少？4.工作有问题，对结果并不敏感，做了和没做一样。反问：公司的评测标准是...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

我大三tmd逃课去白马培训是吧，你老冯同意了没？

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 ...