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 ...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

项目相关 网络基础  SSE和WebSocket有什么区别？ HTTP和HTTPS有什么区别？HTTPS为什么安全？TLS握手过程？ WebSocket自己有心跳机制吗？断线重连怎么实现？ 多节点集群下，WebSocket连接分布在不同服务器上，用户A给用户B发消息怎么路由？ 多节点之间怎么解决消息转发的延迟问题？  MCP 相关  MCP和Function Calling有什么区别？MCP的优势在哪里？  手撕代码 & Java基础  手撕代码：实现LRU缓存（双向链表 + HashMap） LRU中删除最老节点时，HashMap中对应的映射也需要删除，容易遗漏 把这个居然忘了，呜呜...