一、“烂”工作，不只是钱少事多很多人以为“烂”工作就是工资低、加班多、老板凶。但真正的“烂”，往往藏在看不见的地方。比如：长期情绪耗竭：你每天走进办公室就心慌，下班后只想瘫倒，连周末都充满焦虑；价值感归零：你做的事毫无意义，既不能帮到别人，也无法提升自己；关系有毒：同事互相甩锅，领导PUA成瘾，团队氛围如沼泽，越陷越深；未来无望：三年过去，技能没长进，履历没亮点，跳槽时连简历都写不出新内容。这种工作，不是“暂时忍一忍就能熬过去”的苦差，而是一种慢性精神中毒。它不流血，却在悄悄杀死一个人对生活的信念。心理学有个概念叫“习得性无助”——当一个人长期处于无法掌控的负面环境中，会逐渐放弃挣扎，认为“无...

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

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 ...