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 ...

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

🕐面试时间：26.4.8-一小时💻面试岗位：后端开发❓面试问题：1、自我介绍2、从工程角度来介绍代码评审执行流程，怎么获取修改的代码的，怎么跟大模型交互的？3、如果不用静态分析库，直接让大模型去评审的话，怎么做？4、慢SQL是什么问题导致慢，怎么优化，数据量是多少，查询语句，查询场景是什么？5、Kafka自动提交为什么会消息丢失？(忘记自动提交的原理了！！)6、volatile关键字有啥作用啊？7、Hashmap，假如它的key是一个对象，需要注意啥吗？8、什么是死锁？9、Redis常见类型？10、Redis持久化机制，项目中的持久化机制怎么配的？11、缓存雪崩12、题目描述：零到N之间的...