思特奇

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 ...

😭😭😭四月了连二面都没见到😭😭😭有无大佬帮忙看看简历，bg末九本

(30min)自我介绍1.Go的package异常(没了解过)2.channel有了解过吗,在项目里怎么用的?3.socket心跳机制(这个更没听过)4.mysql调优(就答了表结构优化和索引优化)以及mysql索引(秒答b+树)5.kafka消息确认机制(ack机制)6.mq数据时效性,还有消息堆积怎么处理7.Go的GMP调度和GC垃圾回收机制剩下的我都忘了.........好多没答上来,感觉要寄我的处女面就这么没了(4.9更新)已挂