灵犀互娱2024实习春招内推

之前到学校线下宣讲会去了，投了简历，当时可以线下面试但是面Java，我报的不是，但是当时打算看看别人面试积累一些经验，就没走。结果就喊我名字让我面试了。当时根本没有心理准备，也挺紧张的没有什么面试经验，再加上第一次线下面试，全程磕磕巴巴。小姐姐倒是挺好，说看我比较紧张就不问我问题了，自我介绍结束问个兴趣爱好再反问一下就结束了。我估计凉凉，我前面那个二十多分钟，我不到十分钟。之后就开始走网申流程，测评结束立马给我发笔试了，但是我笔试还没答，面试通知就下来了，有点奇怪。笔试四十分钟五十道选择题，时间挺紧的。面试我报的是c嵌入式，面试官问我了不了解嵌入式单片机或者做过这方面的项目，我说没有，我学的软...

好像是个中厂，如果处女面面这个会死吗

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 ...