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 ...

已拉黑：美团，百度，米哈游已点赞：快手，网易，众安，字节跳动，蚂蚁ttl：3.16投递-3.25 一面-3.30 二面-3.31 hr面-4.2 oc

bg：211 计算机类，26fall水硕，无相关实习经验半个月准备简历，写了个拆解案，做了unity和ue两个简陋demo开投。腹中皆为草莽，一边投一边学习进步。投递岗位：战斗策划为主，没战策选别的网易雷火：一面挂战斗策划全方向，HR推的逆手，然而本人MMO经验少。无笔试，一面基本问的ARPG/MOBA的战斗/技能/BOSS设计，临场发挥自觉还行，10天后挂。可能是KPI面，虽然面试老哥人很好，但我觉得有种对付HR分配工作的无奈…网易互娱：笔试写完了以后暂无消息，问到最近玩的多的了，感觉写的还不错。米哈游：笔试筛简历发笔试速度极快，但笔试有点耗时，不一定做得完，考虑秋招再战。忍不住再夸一句，你...