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 ...

10号下午二面的，今晚才从复试通知链接变成这个进度，求佬解答

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

重点复习mysql redis juc那些去了，java基础好多忘了，寄HashMap 的实现原理是什么样的？Java 为什么要引入红黑树？红黑树怎么做到查询效率是 log n 的？如果插入的数据恰好是一个递减序列，红黑树会不会退化成一个单链表？Java 里面 final 关键字有什么用法？重载和重写有什么区别？Java 对重写有哪些约束？（例如返回值类型、抛出异常、方法签名、访问权限）父类方法返回 Animal 类型，子类重写时，返回值可以是完全无关的类型（如 Food）、父类（Object）或子类，哪些可以哪些不行？为什么重写时可以用子类作为返回值类型？创建线程池时，有哪些参数可以设置？核...