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 ...

求助，怎么改进。约面都没有🙂‍↔️  

25届，非科班，混成这样大概是玩脱了吧（

📍面试公司：乔安科技🕐面试时间：boss投递->4.1面试💻面试岗位：软件测试工程师❓面试问题：1.自我介绍2.实习时间为什么都不长3.学校事情还多吗？一边工作一边搞毕业论文，能兼顾吗？（又是提前实习）4.介绍几段实习工作，具体做了什么，如何实现的？5.Web测试和APP测试有什么区别6.继续问实习7.实习过程中学到了什么，有什么突出的成果8.短期内最想做什么？职业规划？9.期望薪资？你认为有什么优势，能拿这么多？（这家好像在杭州10k都开不到）10.反问🙌面试感想：这面试官看起来不太好惹