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 ...

正式进入AI Coding时代了  

难道前端真的已经不行了？

上周面了小鹏汽车的Java开发岗，整场面试将近50分钟，自我介绍之后直接进入技术环节，节奏很快。前半段是Java基础和JVM，后半段转向数据库和分布式，最后还聊了几个场景设计题。整体难度中等偏上，基础问题答完会继续追问原理，想靠背答案糊弄过去比较难。题目覆盖面比较广，Java、MySQL、Redis、消息队列都有涉及，贴合小鹏车联网和后台服务的业务特点。把题目和答案整理出来，供大家备战参考。1. Java 中 HashMap 的底层结构是什么？1.7 和 1.8 有什么区别？HashMap 底层是数组+链表的结构，通过 key 的 hashCode 计算数组下标，冲突时用链表挂在同一个桶上。1...