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 ...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

这种的是真的假的，有没有什么陷阱啊

如题，希望大佬们可以给鼠鼠指条明路暑期情况上文已经写了目前情况，在投递日常但没回响，最后几个暑期也投了/更新ai项目还很浅我还在完善，但硬答感觉复习一下可以答了，我这个是rag,但什么多agent我感觉我接触不到还能找到中大厂的实习吗没工作真的很可怕，这就是小秋招