哈啰四轮业务

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 ...

没招了，笑死了

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

一面过了之后隔了三天约了二面，同样是视频面试，时长将近一个小时。二面的面试官是技术负责人，上来先深挖项目，然后是几道比较有深度的技术题，最后出了一道系统设计题。整体感觉比一面难不少，很多问题没有标准答案，考察的是思维方式和工程经验。1. 详细讲一下你项目中最复杂的模块，为什么这样设计？有没有做过重构？二面必问，而且会顺着你说的内容一直追问，所以只说自己真正理解的部分。回答框架：背景：这个模块解决什么业务问题，规模有多大（QPS、数据量）设计：核心架构是什么，为什么这样划分，技术选型的理由难点：遇到过什么问题，怎么发现的，怎么解决的演进：如果做过重构，重构前后的对比，重构的收益面试官最想听到的是...