诚信和金钱你要哪一个？

自我介绍。使用 new 关键字创建对象时，一般会执行什么过程？如何判断对象的某一属性是自身的还是从原型链上继承过来的？有哪些方法？你如何理解闭包？实际开发中有哪些典型应用场景？给出事件循环代码，判断执行顺序并解释原因。实现一个带并发限制的异步调度器，说明构造函数、add 方法、run 函数的实现思路。Vue 3 中 Ref 跟 Reactive 的区别是什么？Vue Router 的权限拦截是怎么做的？Vite 跟 Webpack 有什么区别？有没有尝试过写配置优化打包速度或构建速度？开发过程中遇到代码冲突时，如何处理？状态码 302 代表什么意思？对话平台对接的是什么模型？为什么使用 SSE...

211本985硕,暑期快手已经用人部门筛挂两次了😡😡实习已经改了一版了,需要写的更详细点吗😭😭😭

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

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 ...