1. 内存对齐怎么理解？下面两个结构体的大小是多少？答案：内存对齐主要是为了让 CPU 更高效地访问数据。结构体成员不是简单地按字段大小相加，而是会按照成员自身对齐要求和结构体整体对齐要求插入 padding。 struct S1 { char c; double b; int i; }; struct S2 { S1 s; float f; }; 在常见 64 位环境下，double 按 8 字节对齐，int 按 4 字节对齐，char 按 1 字节对齐。S1 的布局一般是：char c 占 1 字节为了让 double b 按 8 字节对齐，中间补 7 字节double b 占 8 字节i...

四次面试终成鹅孝子 😭 

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 ...