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 ...

都怎么样了啊？兄弟们，我这在boss上沟通基本都不要我的简历就拒了

那可真是太遗憾了，你们就继续把流程卡在简历初筛吧，继续给我发测评和笔试之后把我挂掉吧（大部分甚至连感谢信都没有😁），我填网申一点都不累，做测评和笔试一点都不辛苦

别瞎啃了，照着这个思路准备👇只背大厂高频考点，不做无用功抓牢：Java/MySQL/Redis/ 网络 / 操作系统 / 框架源码精准命中，少走 80% 弯路理解 + 场景一起记，拒绝死记硬背会讲原理、会说场景、会答面试官追问面试不结巴，不像背书机器按阶段分级学，初级 / 中级 / 高级不混乱针对性复习，不浪费时间在超纲内容结合项目讲八股，面试官直接眼前一亮真懂 vs 死记，一开口就分出高低自用八股:八股