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 ...

朋友说这个是云证，算是入职流程了，怎么等了一天还没 hr😶

🐭🐭是学院本，没有实习过😭3.2号更新一波简历，目前已经有一家进二面了，一面线上面被拷打了一个多小时，后面和负责人开始聊天。😭

讲一下项目哪个地方具有挑战性，如何解决kafka如何保证消息是发送一次接收一次，如何确保broker正常刷盘，多副本怎么实现，这里有个高水位低水位概念知道吗（不会）setnx有哪些参数，优化前的分布式锁是哪个维度zk如何保证数据一致性（忘了）构造线程池有哪几种方式，ThreadPoolExecutor底层继承了哪一个抽象类，抽象类有什么方法，他是怎么实现的（不会）juc包下有哪些类，concurrenthashmap底层原理hashmap和concurrenthashmap中，一个对象可以作为key吗，重写equals和hashcode注意哪些netty特性讲一下selector，channe...