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 ...

求狠狠锐评简历，boss投递无人理。

做技术面试官这些年，我发现应届生简历上的项目越来越”丰富“了。毕竟简历上，除了学校和专业，能拉开差距的几乎就是各类项目——不管是大厂实习项目、读研时跟着导师做的课题，还是自己业余捣鼓的小项目，都成了争取面试机会的“敲门砖”。但随之而来的，是越来越多“一眼假”的项目，简历上写得天花乱坠，一追问细节，就支支吾吾、漏洞百出。今天就聊聊，那些看似“加分”的假项目，到底能不能帮你拿offer，以及什么样的项目才是真加分项。先说说最常见的实习项目，几乎80%的候选人都会“美化”实习经历，这本身无可厚非，但过度包装很容易露馅。第一种是夸大工作范围，把团队几个人的工作全安在自己身上，面试时只要追问核心细节，比...