面完秒约当天二面自我介绍你的项目是只在本地部署，还是真的部署到线上有人在实际使用？你项目里提到的 QPS 数据是怎么测试出来的？你在学校有没有做过学校要求的其他项目，或者打过比赛？介绍一下 MyBatis 和 MyBatis-Plus 的区别？你在项目中是如何使用 Nginx 做反向代理的？你项目的前端是怎么部署的？介绍一下 ThreadLocal 的底层原理，以及有什么可能的问题（如内存泄漏）？介绍一下布隆过滤器及其底层结构？也会发生什么问题（误判）及如何解决？你的布隆过滤器是手写的还是使用的现成组件？你项目中的乐观锁是怎么实现的？MySQL 中的乐观锁具体是怎么实现的？需要用到版本号字段相...

这样是挂了么

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...