offer求建议

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 ...

有大佬能帮忙看看，简历还需要怎么改吗🥲🥲

0offer0约面  

面试官问："用户 token 应该存在哪？"很多人脱口而出：localStorage。这个回答不能说错，但远称不上好答案。一个好答案，至少要说清三件事：有哪些常见存储方式，它们的优缺点是什么为什么大部分团队会从 localStorage 迁移到 HttpOnly Cookie实际项目里怎么落地、怎么权衡「安全 vs 成本」这篇文章就从这三点展开，顺便帮你把这道高频面试题吃透。三种存储方式，一张图看懂差异localStorage：用得最多，但也最容易出事大部分项目一开始都是这样写的，把 token 往 localStorage 一扔就完事了： // 登录成功后 localSt...