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 ...

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

想找到暑假实习，有希望吗（大二）

栗栗在线随时华为od咨询啦，哇，各位，最近好难啊，你们赶紧来找栗栗啊、不限经验，不限地域，不限部门，可提供机考、面试资料和攻略~~~你们没来找我，失去找谁投递了了，宝儿 1、工作地可选择：北京，东莞，深圳，上海，南京，西安，成都，武汉，长沙等研究所 2、招聘岗位：java、Python、前端，大数据、测试，c++，GO，嵌入式，算法等岗位3、可选择部门：ICT（公开，光，计算，无线，数存等），云计算，2012（中硬，中软，中媒），消费者终端BG，BPIT，上海海思，Carbu，2012，GTS,海思等4、六险一金  ，周末双休，年度体检等5、年终奖6、办公环境舒适  7、入职发放年假 8、组织...