1.自我介绍2.说一下java集合体系3.常见的线程池4.自定义线程池的核心参数，分别是什么作用5.请求从接收到处理到数据库，会用到哪些spring的注解6.join的几种用法，有什么区别7.使用线程池提交任务时候用submit和execute有什么区别8.使用redis缓存，用的是什么客户端，在代码里怎么写9.SpringAOP的原理10.说一下大数据的了解11.kafka相关？12.说一下Springbean的生命周期主要还是以拷打八股为主还有考察是否有真实的实践操作，整体算是比较轻松的，没有什么特别刁难的问题

1. 自我介绍2. 项目拷打3. Reward Model 在对齐训练里扮演什么角色Reward Model 本质上是在学一个“人类更偏好什么”的可微近似函数。SFT 学的是“像人那样答”，RM 学的是“人更喜欢哪种答法”。它并不直接生成答案，而是给候选答案打分，把人类偏好从离散排序信号压进一个标量目标里，后续无论是 PPO 还是其他策略优化方法，核心都要依赖这个分数去推动模型往偏好更强的方向移动。RM 最大的价值不是替代人工，而是把人工偏好从逐条监督扩展成可批量泛化的训练信号。真正难的地方在于它很容易学到表面模式，比如更长、更像模板、更会说套话的答案可能被错判成更优，所以 RM 训练的上限很...