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 ...

灵神太强了，写力扣没这么爽过

就不投

四种负载均衡策略分别做了什么，lru在缓存里怎么用，一致性哈希，分别适用于哪些场景秒杀如何实现，redis数据如何和数据库对齐redis相对于其他存储的特性，有哪些常见使用场景redis常见数据结构，hash和set的区别，set底层redis持久化是怎么做的，最新版本用的哪一种分布式redis读写如何去处理，主从数据怎么同步Java抽象类和接口区别，一个类能实现几个抽象类，几个接口，抽象类里定义的东西和接口定义的是一个含义吗，接口里定义的方法和抽象类定义的方法默认的访问范围，抽象类代理的方法可以有具体实现吗，抽象类本身的方法有具体实现吗，接口呢，抽象类可以实现接口吗Java实现线程的几种方案...