offer比较：中国银联和招银网络科技去哪个？

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 ...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

拿到offer了，26届测试开发，双非一本，写个收尾。 两个月，投了40家，笔试23家，一面18家，二面9家，拿到3个offer，选了最满意的那个。 说几件这两个月学到的事，给还在投的同学参考一下。 【1. 投递量要够，精投不够用】 一开始我觉得精投就行，认真看JD，选匹配度高的，投了10家觉得差不多了。 结果不行——中小厂没消息太多，大厂竞争激烈，10家根本不够。后期一口气补投了20家，最终offer反而来自这20家里的两个。 量要够，至少30家起，宁可多投不匹配的，也别因为"不确定"就不投。 【2. 填表浪费的时间比我想象的多】 前期手动填表，每家15-20分钟，投了2...