腾讯2023校招内推

发面经攒人品没问太深，而且问的时间不到半小时，无手撕代码，感觉有点像kpi面。自我介绍啥时候能来实习实习干的什么，实习了多久，讲讲实习具体的工作redis大key问题是什么，怎么优化比如有个hash的大key，某个版本拆开后删掉了，那么怎么保证数据的一致性如果有很多商品，redis内存不足了，怎么办？你选择哪种淘汰策略？你选了最近最少使用，那么一个刚刚被淘汰的又被查询了，会发生什么？讲一讲项目中分布式锁的使用场景和实施方案Threadlocal内存泄露讲一下，怎么避免如果业务逻辑抛出异常了，会不会导致最后的remove没有执行？你怎么确保一定remove了？你做的这个agent项目是基于开源项...

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 ...