从朴素的认知来看，大家都觉得面试时间越长越好，因为意味着面试官对你认可，想和你多聊一聊。十几分钟乃至半个小时的面试时间，大家现在都会觉得没什么可聊的，很多时候会认为是KPI面。但从我个人的经验来看，面试时间长短和面试结果没有什么必然关系。曾经我找实习的时候，面试联系的嵌软岗位，前前后后两个面试官和我聊了将近三个小时，聊到后面我已经快坐不住了。尤其是有一个面试官事无巨细地给我讲了他们的业务，以及联系的培训晋升机制，甚至还有平常的工作生活习惯。可最后过了一周还是挂了。平心而论，在技术问题上由于当时没啥准备，答的确实太差劲了，但说实话面这么久最后得到的结果还是有些难受。但我当时秋招的时候，像美团一二面的技术面，基本时间就是半个多小时到四十分钟，面试官整体节奏把控的都很好，最后发offer也很快。所以从我整体的秋招经历来看，面试时间长短并不重要。不论是半个小时，还是一个多小时，都很难深入的全面了解。

1. GRPO 算是 on-policy 还是 off-policy？为啥？2. GRPO 用的数据不是最新的，为什么还算 on-policy？它的 buffer 是怎么回事？3. 重要性采样是干嘛的？公式长啥样？能解释一下吗？4. GSPO 和 DAPO 各自解决了什么问题？用了什么方法？5. 强化学习里的熵崩溃是啥意思？怎么解决？有必要解决吗？6. 熵崩溃是咋引起的？7. 熵崩溃和 reward hacking 有关系吗？8. 看过 DeepSeek 的技术报告吗？它在推理速度上做了哪些优化？或者说，模型层面有哪些加速推理的技巧？9. MLA 是怎么回事？能加速推理吗？10. Qwen3 ...

📍面试公司：美团💻面试岗位：大模型❓面试问题：1. dpo怎么写2. dpo，grpo，ppo怎么比较3. ppo的模型，哪些在更新4. 其他lora方法，介绍一下具体是怎么做的5. lora为什么有效6. qlora是什么7. 介绍论文8. 怎么让强化学习更稳定9. 量化大模型的方法10. 手撕 lc 113🙌面试感想：这会当上团孝女了，我爱美团，立刻抛弃闪购支持一下

1、hnsw ann2、和hnsw类似的数据结构3、索引速度快数据结构 索引空间小的数据结构4、索引压缩场景题5、PQ向量压缩6、存储文件压缩空间场景题递增的value 怎么存能压缩空间7、hashmap构建过程8、cpu密集和i/o密集9、我嘴贱提了一嘴python不适合cpu密集 问我为什么其他就是聊一些项目 个人情况算法题：升序链表补充一面内容：项目语义搜索向量搜索gc垃圾回收websockettcp/udp阻塞机制