不想上班😅

被拷打麻了，发面经攒人品自我介绍你对拼多多了解多少？拼多多的工作时间和工作强度你了解吗能接受吗？java中的arraylist和linkedlist有什么区别它们线程安全吗？什么时候适合用linkedlist，什么时候适合用arraylist？他们线程不安全，如果想用一个线程安全的列表，怎么办？说一下CopyonWriteArraylist、vector、Collections.synchronizedList(arrayList)的原理分别是什么讲一下synchronized的原理synchronized是公平锁吗？synchronized和ReentrantLock的区别如果想用公平锁怎么...

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

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 ...