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 ...

兄弟们，春招过去了？为啥boss上没人回我啊！！！我这项目问题很大？

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

只问了项目，一点八股没问，大概40min，感觉是kpi面自我介绍你第一个项目能详细讲一下吗登录模块三种实现JWT是指什么JWT+Redis、Session+Redis 的区别是什么KV 分别是什么，JWT令牌做key还是val，有何区别（在 JWT+Redis 方案中）Lua脚本，Redis cluster， msetThreadLocal在项目中怎么用的使用 ThreadLocal 会有什么问题除了内存泄漏之外，还有什么问题所有 service 之间传递数据都应该用 ThreadLocal 吗，会不会破坏软件系统的架构两个有序数组找中位数反问