字节2面挂

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 ...

从25年6月到现在，没停过，薪资依旧3k。求超越😼

大家好，我是25届985硕。记得当时秋招结束后，我把自己关在宿舍整整三天。因为投递得晚，很多公司都已经招满了。简历投了40多家，面试了七八轮，最终全军覆没。室友们陆续拿到offer，只有我还在刷招聘软件，那种焦虑和挫败感，相信现在正在准备春招的你一定懂。 当时我甚至开始怀疑，是不是自己真的不行。但后来我明白了一件事：秋招失利不代表终点，好offer不怕晚。 转机出现在次年2月底，我在牛客上刷到巨人网络的春招信息。因为我一直很喜欢游戏，算是《太空杀》的忠实玩家，就想着投递游戏开发试试看。没想到，7天内收到了笔试邀约，然后很快收到了邀请到巨人网络园区面试，当天把所有面试流程走完，也顺利拿到了off...