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 ...

鼠鼠体检有以下异常，请问下各位佬需要复检吗，还是说会直接pass掉呀😴

双非本科，现在大四，保研到了西电，都是电子信息相关专业，想在进组前找个实习（想找一些知名企业），也想试试春招（虽然大概率是不会去的）。进组后导师大概率不放实习不想做硬件，对软件更感兴趣，以后更想从事软件岗，目前的求职想法是嵌入式软件本人求职经验为0，感觉自己啥也不懂，自己做过的东西感觉都不适配企业的要求而且做过的东西几乎都是团队合作的，每个人都有贡献。而且我属于那种理论懂得多但是具体技术比较烂的水平希望各位大牛指导一下

1.自我介绍2.手撕 lru（多了一个x秒自动过期）3.刚刚的代码哪些部分在并发环境下会线程不安全，如何解决4.拷打项目5.有没有大模型微调相关经验6.Redis为什么比其他数据库快，为什么加载到内存会比硬盘快7.刚刚提到了上下文切换，什么是上下文切换，具体是干什么的8.Redis除了分布式锁还能做什么9.Redission看门狗机制10.如何使用ai coding的11.如何学习新技术12.反问lru写的太慢了没完全写完，面试官让讲了一下思路就给过了。但是线程不安全这一块回答的有点磕绊。当天晚上约二面。