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 ...

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

🕐面试时间：26.4.2-一个小时💻面试岗位：AI应用开发❓面试问题：1、自我介绍2、问项目之后落地后，继续调用大模型API，考虑过如何数据隐私保护吗？3、介绍下用户提问到大模型生成回答的大致流程。4、面试官介绍了下广州base，然后问老家那的5、抽象类和接口的区别？6、Hashmap的底层原理？7、Java的类加载过程？8、介绍下双亲委派机制？9、HTTP和HTTPS有什么差异？10、什么是非对称加密？对称加密和非对称加密的区别？11、场景题：一个4GB的大文件，里面存的就是乱序ID，内存有限，该如何把文件中的ID进行排序？面试官提醒可以用数据结构来操作(当时说用链表，忘记了使用堆来进行...