度小满 后端开发go 一天三面速通

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 ...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

本专栏只总结最重要的八股，简历对应的 简历话术：  Redis:熟悉Redis基本使⽤、常⻅缓存读写策略、⽣产问题及持久化、内存管理、集群、分布式锁  1.常见缓存读写策略 1.1 Cache Aside（旁路缓存）策略 写 先更新数据库中的数据，再删除缓存中的数据。 读 如果读取的数据命中了缓存，则直接返回数据 如果读取的数据没有命中缓存，则从数据库中读取数据，然后将数据写入到缓存，并且返回给用户。 1.2 Read/Write Through（读穿 / 写穿）策略 写 应用程序的“写”请求，必须直接发送到缓存组件。缓存组件负责同步： 缓存组件（或一个智能的客户端库）接收到写请求后，会原子性...