飞猪春招一面

一面 - 45分钟1. 自我介绍2. 挑一个项目难点？3. Java里哪八种基本数据类型？4. int和long分别能表示多长的数字？5. Object 类有哪些函数？6. equals()代表什么？7. hashcode()实现的意义？8. 如果不用hashcode映射内存地址，map会怎么样？9. Spring AOP介绍一下？10. AOP的底层机制是什么？11. 数据库事务是什么？12. 事务有什么特性？13. 索引有哪些？14. 写一道排序？（写了冒泡，口述了快排，讲了复杂度，排序稳定性）二面 - 30分钟1. 自我介绍2. 项目里后端方面有什么难点？3. 场景题：建一个系统，数据库表怎么设计，后端开发类怎么设计，需求拓展后怎么优化4. 反问综合面（HR） - 25分钟1. 自我介绍2. 项目的性能评估方式3. 论文的创新点4. 在学校上课之外的时间怎么学习的5. 秋招情况6. 父母职业7. 反问（培训试用3个月）HR面完一周后资料评审。今天收到邮件通知。#

Java实习岗5.12面项目：IM即时通讯1.自我介绍2.项目中负责了哪些模块3.发送消息的整个流程（涉及到netty）4.了解过netty的堆外内存使用吗 不了解，深层的还没开始看5.字符串类型里面的数字怎么转换成int类型的数字 脑子宕机答错了6.项目当中有用过哪些字符串处理的一些方法 一下想不太出来7.比较两个字符串是否相同equal和==的区别 回答了字符串类型和非字符串类型的比较8.有没有写过springboot的starter包 没有（为什么会问这么难的）9.了解过IOC、DI、AOP这些，DI模块都做了哪些事 回答了依赖注入、属性注入、构造器10.spring怎么处理循环依赖 答...

✴️算法面试中遇到一道实战场景题：在大模型训练中使用GRPO，训到一半 reward 就很容易突然掉下来的原因？GRPO 出现这个问题，需要详细了解强化学习（RL）的基本迭代架构，即 Actor-Critic 架构。知行互动（AC）架构为什么要有 Critic 呢？这就涉及强化学习的算法稳定性问题。与监督学习（SL）相比，RL 实际上是很难稳定的一类训练机制。💣大致的原因如下：RL 本身是处理动态系统的最优控制问题，而 SL 是处理一个静态优化问题。动，就比静更难处理。加上 RL 的数据非稳态，Env-agent 交互机制的数据采集量少，这使得梯度计算的方差更大，方差一大就容易偏离预期目标，算法就容易跑飞了。主流的强化学习算法是怎么解决这一问题的呢？加上 Critic，使用 State-value function 或者 Action-value function 稳定策略梯度的计算过程。更高级一些的算法是采用 Advantage Function，也就是加上了 Baseline，增加梯度计算的稳定性。这是 AC 算法总是优于 REINFORCE 算法的原因之一。✅然而 GRPO 并没有 Critic 部分，原因比较简单，因为 GRPO 是用于训练大模型（1000 亿级别的参数规模），若是使用“知行互动”架构的话，等于需要存储两个大模型。Critic Network和 Actor Network，对存储要求极高。怎么节约存储呢？把 Critic Network 去掉，替换为在线估计 Advantage function 的算法，采用了“时间（算力）”换“空间（存储）”的做法。这就是 GRPO 的设计思想。与之对比，OpenAI 提出的 PPO 算法（也是 GRPO 的基础算法），它的值函数通常是一个与策略模型大小相当的模型，这带来了显著的内存和计算负担。考虑到 OpenAI 并不缺算力资源，不缺存储资源，即使 PPO 算法设计的如此糟糕，照样用的风生水起。🤳回到最初的话题，从原理上看 GRPO 并非完美，与 PPO 相比实际上处于是半斤八两的水平，算法设计存在“稳定性”缺陷，但是为什么 DeepSeek 还能用的比较好呢？因为 DeepSeek 的数据足够多，多到可以“完美”地避开 GRPO 的稳定性缺陷。每次的 Policy Gradient 计算，只要 Batch 数据足够多，就能有效降低 Policy Gradient 的方差，就能获得比较稳定的迭代。当每次使用的数据批量比较小的时候，它的稳定性缺陷将是致命的。这类规模的策略训练，建议优先选择带有 Critic 的强化学习算法。🌟如果大家想了解高质量的项目辅导以及提升面试能力，欢迎后台咨询。    

入职手手一周啦，刚入职就领取了好多礼包，有公牛插排，罗技鼠标，各种数据线（目前用不到的一堆乱七八糟的线），笔记本和笔，据实习同事说每个月都可以免费领取 ，有免费的咖啡可以喝，今天喝的卡布奇诺（上班人的救命稻草），还提供免费的雪糕，部门的mt和ld给准备了好多零食！ 薪资待遇：看岗位和学历 工作时间：看部门，我的部门是10-8，午休2小时，晚饭6-7，上班时间7h～，工作很轻松，不会加班，能学到不少东西 餐补：入职当天就给180餐补打到卡里，工区的餐饮都能刷卡，最喜欢的就是逛七鲜便利店（不花钱的感觉尊嘟不太一样～），还有巴黎贝甜（甜品🍮脑袋的福音）和喜茶！每天八点下班打卡30餐补自动到账，感觉...