有人能分享一些关于瓴岳科技的信息吗

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 ...

有过一段实习经历不过没什么产出，从开学投简历到现在，一共才4个小厂面试，都挂了，目前只会后端，已经学了1年了，秋招想着学个mallchat项目包装到简历上，春招好冲中厂，还刷了leetcode hot100不想放弃啊😭😭，感觉目前好像都要全栈或者ai应用开发，舍友考公下岸目前找到4k实施工作，我也有点想转行了，java真的不当人啊，厦门这边一堆招2-3k的转正5-7k哭死。接触过前端不过不熟啊，目前要找工作的话是先学前端还是学点spring ai