整体的沟通不是很顺畅，面试官一直在纠结项目背景，我说是技术预研，他一直问有没有业务背景自驾的强化学习和llm的不太一样他们是传统的RL，也不是多模态问了一些项目，面试官好像不太懂问了我几个问题GRPO的优化目标？KL散度的作用，为什么要KL散度？为什么有些论文移除了KL散度？这样会不会灾难性遗忘？GRPO比PPO的优势，我说移除了reward model，以及去掉了value model。但是面试官不是很满意，说这不是GRPO主要的改进。工作比较flexible考了一个leetcode.162（把这题理解为爬坡，当num[mid] <num[mid+1] 说明是往右的一个上坡，left=...

666，面试全靠拼手速是吧，一天只面八个人，感觉是抢不到了，收到邮件点进去一看就这样了还想面面制造业感受下强度

2025年10月22日 金山办公一面全程25分钟，无手撕。如何判断链表有环？如何判断环的长度？了解哪些排序算法进程与线程的区别进程间通信方式HTTPS加密过程TCP四次挥手什么时候可以简化为三次挥手快排的缺点是什么如何优化标准快排？（除了随机化基准，还有一个三路快排）死锁产生条件JVM内存模型事务隔离级别数据库索引结构B+树比B树好在哪里？深度分页问题怎么办？redis持久化方式混合持久化的机制线下面的，只记得这些了，好几个问题有些深入，不会。