一面： 项目拷打八股：GRPO对比PPOGRPO的问题、哪些算法解决它的问题ReAct框架介绍ReAct和Plan-and-Excute 对处理长上下文有什么优劣势大模型有哪些技术设计让他能够处理更长的上下文代码考核：每k个链表反转二面项目拷打八股：GRPO介绍比较不同强化学习算法的优缺点强化学习训练有遇到什么挑战吗奖励之间做平衡有什么经验吗？分阶段奖励训练有尝试过吗？代码考核：验证完全二叉树的完备性。

1、自我介绍，项目相关提问和八股2、大模型微调为什么用7b，显存怎么计算的；如果不用lora微调，需要多少显存；deepspeed怎么切分的；模型训练有几种并行方式3、RAG的细节：怎么分块的，嵌入用的是什么模型，索引用的是什么方法，为什么用bge，其模型架构是什么4、代码题：买卖股票的最佳时机5、反问业务，劝退我这种只会调库的干不来，被面试官一顿锤

1. udp如何保证可靠性2. tcp头部字节大小3. 字符串匹配算法怎么设计复杂度最小4. kmp算法流程5. 一副扑克牌去掉大小王，随机抽七张牌，抽到炸弹的概率是多少6. 了解哪些设计模式讲一下面完发现不是很匹配，但面试官人挺好，直接给我换java开发了

面试氛围挺好，面试官水平很好，很有深度 问题:1. 对于特征交叉结构，其实存在相似的模式，如何理解交叉模块的串行和并行结构2. 继续改进有哪些方向3. 了不了解一些比较新的交叉结构4. 如何理解特征共线性，通过什么影响效果5.知识迁移哪些方式，kl散度的理解6. mmoe梯度冲突的解决方法手撕:1. 相同数字的范围2. 下一个排列