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 ...

30min，无算法，无八股，全程问项目......项目来源、部署方式，以及你做了哪些优化？如何思考这些优化？ 为什么引入 SPI？解决了什么问题？适用于什么场景？ 秒杀整体方案是怎样的？（同步 vs 异步） Redis + Lua 在秒杀中的作用？如何保证原子性、防超卖、一人一单？ 为什么要引入 MQ？在系统中起什么作用？ MQ 消费失败会带来什么问题？如何解决？ 如何保证 MQ 的可靠性？ 如何监控 MQ？出现问题如何快速定位？ 如果 MQ 出问题，系统如何降级？ 如何设计高可用方案（如 Consumer、集群、容灾）？ 秒杀系统中哪些需要强一致性？哪些只需要最终一致性？ AI 项目整体架构...