隔了半个月竟然约了二面1h，先一道算法求最大岛屿面积，两分钟秒了但是不知道哪里写了一个小bug，边界出了点问题，刚准备debug被面试官打断直接问思路以及一些扩展，怎么不额外开数组做、时间复杂度能否优化这些然后三个项目依次拷打，结合项目穿插问了一些八股，有一个Nacos怎么做集群的没答出来，口胡了一个Raft；另外还有一个脑裂发生时哪台机器向外提供服务没答出来，口胡了一个Redis里用quorum做，不知道对不对upd：挂了

二面惜败HR 反馈说我算法题思路不清晰，没优化时间复杂度好吧，也可能是我太菜

四维dp 拼尽全力无法战胜还是太菜了 是不是字节没做出来题就不会被捞了啊 还能打复活赛吗

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 ...