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 ...

各位牛牛们能给我提提意见吗

春招投了30家了，说一下我用的填表方式。 前20家全手动，每家15-20分钟，信息全是重复的——姓名学校专业联系方式项目经历，填到后来真的麻木，有几家填到一半直接关了没提交。 后10家用了网申助手（牛客出的Chrome插件），区别很明显。 【用了哪些公司，真实反馈】 字节：完美，所有字段识别准确，没有问题。腾讯：完美，填完检查一遍就能提交。阿里：完美，比手动快了好几倍。美团：完美，识别率高。百度：完美。京东：基本没问题，有一个字段识别偏差，改了一下就行。快手：完美。网易：完美。有赞：识别失败，手动填。（中小厂有时候不行）一家小厂（名字不说了）：识别失败，全手动。 大厂全覆盖，中小厂看运气，失败...