中科曙光 测评

一面(1小时无手撕)：1.实习经历拷打2.说说你知道的垃圾回收处理器3.G1的回收过程4.G1的筛选回收原理5.说说你认为并发情况下怎么做到不冲突6.说一下HashMap和ArrayList的底层原理7.innodb引擎不同隔离的区别以及怎么加锁的8.MVCC的原理9.redis分布式锁怎么做的，有什么问题10.看门狗机制说一下11.红锁了解吗，有什么问题，怎么解决这些问题12.io有哪些二面(不到半小时)：1.实习经历拷打2.手撕一道sql3.手撕一个类似hot100的节点的最近公共祖先，稍微变了一下

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

菜鸟想找实习，这个简历能找到吗😅

1. 自我介绍2. 项目拷打3. Reward Model 在对齐训练里扮演什么角色Reward Model 本质上是在学一个“人类更偏好什么”的可微近似函数。SFT 学的是“像人那样答”，RM 学的是“人更喜欢哪种答法”。它并不直接生成答案，而是给候选答案打分，把人类偏好从离散排序信号压进一个标量目标里，后续无论是 PPO 还是其他策略优化方法，核心都要依赖这个分数去推动模型往偏好更强的方向移动。RM 最大的价值不是替代人工，而是把人工偏好从逐条监督扩展成可批量泛化的训练信号。真正难的地方在于它很容易学到表面模式，比如更长、更像模板、更会说套话的答案可能被错判成更优，所以 RM 训练的上限很...