上来就是算法环节，不过都比较简单，还只要求说只写实现的思路一共要写7道，半小时时间前5道写出来4道...其他的没来得及看题目1. 二维矩阵逆时针旋转 90 度题目：给定一个 n × n 的二维矩阵 matrix，表示一张图像。请你将图像逆时针旋转 90 度。要求原地旋转，不得使用额外矩阵。2. 全家福排列题目：给定一个整数数组，我们需要将其重新排列成最和谐的顺序：相邻数字差距尽可能大，排列方式为：最小、最大、次小、次大、第三小、第三大……排列完成后，遍历数组，如果出现连续三个数字严格递增，则认为不和谐，返回 false；否则返回 true。3. 好声音歌手题目：有 n 位歌手，每位歌手有天赋值...

面试官史上无敌温柔，也很专业，之前面字节都给我面到怀疑人生了，面经不分先后，不完整相互介绍聊聊项目秒杀券怎么实现分布式锁，可重入，锁超时消息队列的消息挤压问题可以设置很多consumer吗消息队列怎么保证消息可靠redis的数据类型大key怎么解决，有什么危害多线程的并发工具有哪些concurrenthashmapunsafe了解吗算法：全排列mysql主键什么类型为什么自增索引的底层原理是什么自增除了方便索引还有什么用

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

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 ...