1. 项目拷打 问的非常细 , 聊了30min2. GRPO 里的 reward 一般怎么设计，怎么避免模型学歪GRPO 的 reward 设计关键不是“打分越多维越好”，而是要保证相对排序真的有意义。常见做法是把 reward 拆成几部分，比如正确性、格式遵循、长度惩罚、拒答合理性、安全性这些，再做加权组合。对于推理任务，最核心的一般还是结果正确性和过程可验证性；对于开放式生成，还得控制风格漂移和模板化输出。真正难的是 reward hacking。模型很容易学会一些表面上拿高分、实际上没解决问题的套路，比如故意写很长、固定套模板、强行迎合裁判模型。所以 reward 设计通常不能只靠单一 ...

想找暑假java后端实习 但是简历过不了 大佬们能帮忙看看嘛 谢谢！

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

本专栏只总结最重要的八股，简历对应的 简历话术：  RabbitMQ：理解异步、削峰、解耦；熟悉消息可靠性、幂等性、顺序性、死信队列和延时队列及消息积压问题的解决方案  1. 作用：异步削峰解耦 电商秒杀系统（综合体现异步+削峰+解耦） 场景描述：双11零点，某商品限量秒杀，瞬间涌入百万级并发请求。 异步（秒杀用户立即得到“排队中”响应）：用户点击“立即秒杀”后，立即返回“排队中，请稍后查看结果”。后端消费者慢慢拉取MQ消息，真正完成订单创建、扣库存、发券等操作。 削峰（流量大时不让服务垮掉）：网关层只校验资格、生成秒杀令牌，不处理后续逻辑。所有有效请求直接写入MQ（例如订单预处理队列），瞬间...