1. GRPO是on policy还是off policy？为什么？2. GRPO利用的数据是旧策略产生的，那为什么还叫on policy？3. 重要性采样解决了什么问题？ 公式是怎么样的？解释下每个参数4. GSPO和DAPO分别解决了什么问题？怎么解决的？5. 什么是强化学习的熵崩溃？怎么优化或者解决这个问题？6. 熵崩溃和reward hacking什么关系？7. Qwen3和ds r1区别？8. 如何确定你项目的评估指标迭代是否符合当前需求？9. MLA具体是怎么做的？可以加快推理速度吗？10.  代码题是给三段代码，判断输出。

1. 实习介绍2. attention计算公式3. 项目拷打，特征怎么做的，为什么选这个模型4.多目标学习建模方法5. 共享专家和独享专家的个数分别是多少6. 讲一下transformer的encoder和decoder8. 手撕：N皇后

实习拷打： 描述一下这段实习过程中你觉得最有价值或印象最深刻的事情是什么？技术细节： 规则引擎中复杂的逻辑表达式是如何存储的？如何实现规则因子的通用化？系统设计： 为什么要设计多版本快照？如何保证对旧表的兼容？线上风险： 如何发现规则变更后的错误？审批流程能解决哪些问题？并发处理：两个业务人员同时修改同一规则，如何保证并发安全？多版本快照产生的数据冗余如何处理？分布式锁在这里的作用是什么？有点奇怪的八股操作系统： 简单介绍计算机通电后是如何启动起来的？硬件常识： CPU 通电后为什么能运行？网络基础： 在当前面试的视频直播场景下，网络上发生了哪些事？协议细节： 视频传输一定是 UDP 吗？在网页端是如何建立 UDP 连接的？反射（Reflection）： Java 为什么要用反射？不用行不行？它带来了什么好处？类加载（ClassLoader）： 为什么要用类加载机制？你写过相关代码（如 Starter 或 SPI）吗？算法题： 字符串模拟大数相加系统设计题：老师在某个时间段加一节课。根据起止时间查询该时段内的所有课程。有的问题不是很常规，感觉要凉后续：周五面的，周一通知挂了，复盘感觉问的还是偏综合，反射这块答偏了，应该是从Java编译之后静态，反射提供了动态的能力去会回答。然后就是前面OS和计算机网络答的不算好，继续练吧

本身双非本末2硕，一段美团agent实习，过完年暑期回美团的话好吗，会不会简历上弄两段美团有点重复了不太好？