求问杭州工行软开待遇和加班情况

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 ...

双非一本，八股刚开始，这个简历能找到实习吗。。。

下午3点直接打得电话，吓我一跳，直接开面。主要是项目，没记录。面试官挺好的，我不懂的一直在讲解，也在叮嘱我去学AI，好找工作。主要问了实习项目，还有AI使用相关的。Web服务器有哪些？Nginx的使用场景和作用，什么是正向代理和反向代理。反问：有HR面吗？（有的话后续HR会联系，感觉凉凉的）