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 ...

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

我这简历真的是狗都不要吗

在当下的求职环境中，学历在很大程度上确实具有优先级。对于大多数企业来说，招聘的第一步往往是由HR进行简历筛选，而在这个阶段，学历成为最直观、最高效的过滤标准。学校背景、专业对口程度，都会直接影响一个人是否有机会进入面试环节。因此，现实中不乏这样的情况：一些学历较好的人，即使缺乏丰富的实习经历，也能更容易获得面试机会，甚至顺利进入企业。