🕐面试时间：60min💻面试岗位：后端开发❓面试问题：自我介绍一分钟（话说一分钟的自我介绍能说些啥呢）concurrentHashMap的底层原理，以及他为什么能保证并发安全为什么要用到cas和synchorized的方式反射调用和直接调用在性能上有什么不同，当然反射的性能会差一点，为什么（没回答上来，面试官问有没有听过 jit，依然没有）spring中哪里体现了反射的思想数据一致性问题，为什么先更新数据库后删缓存比另一种策略好，以及解释一下延迟双删拷打agent项目介绍一下你是怎么开发mcp工具的，你是怎么理解的介绍一下tool，mcp，skill你在开发过程中有自己写过skill吗（没...

大四学院本 想冲刺一下春招但是学历直接被刷不知道是不是简历问题有没有牛油帮忙锐评一下

感觉自己还是挺狗运的，比不上牛客这些双非大佬随便秒终于戴上红围脖了，xdm 加油

1. 自我介绍2. 项目拷打3. Reward Model 在对齐训练里扮演什么角色Reward Model 本质上是在学一个“人类更偏好什么”的可微近似函数。SFT 学的是“像人那样答”，RM 学的是“人更喜欢哪种答法”。它并不直接生成答案，而是给候选答案打分，把人类偏好从离散排序信号压进一个标量目标里，后续无论是 PPO 还是其他策略优化方法，核心都要依赖这个分数去推动模型往偏好更强的方向移动。RM 最大的价值不是替代人工，而是把人工偏好从逐条监督扩展成可批量泛化的训练信号。真正难的地方在于它很容易学到表面模式，比如更长、更像模板、更会说套话的答案可能被错判成更优，所以 RM 训练的上限很...