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 ...

收藏我了是进人才储备池了还是有戏了😂

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

1、自我介绍2、介绍自己负责工作和模块3、讲UI的层级管理、UI框架4、为什么这么设计5、主界面各个UI层级和3D界面显示是如何组装的？6、讲游戏抽奖模块的整体流程是怎么保持时序的？7、海外多语言如何适配？极端情况怎么办？8、UI性能优化、UI的拆分关系、同步加载还是异步加载9、分帧加载和分帧实例化的问题10、活动中心框架，一级二级页签如何组织11、各种协议数据如何组织的？12、背包系统怎么设计？13、背包系统网络协议的设计有没有优化空间？14、玩家丢弃道具，但服务端正在处理此道具，该怎么处理这种时序问题？15、讲讲新手引导模块16、UGUI合批原理，影响合批的渲染层级是哪个参数？17、一个图...