渤海银行南宁分行一面

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 ...

26届本科，这样的简历春招能拿到offer吗

📍面试公司：美团🕐面试时间：4.9💻面试岗位：一志愿Agent简历挂，二志愿java后端捞起来🙌面试感想：面试官人很不错，没有疯狂压力，八股很少，都是拷打项目，但是问的不是很深，都是简历上写的，算法题也是hot100外的hard题，对于只会hot100的我很难崩，深度怀疑是kpiAgent（20分钟）：说一下Agent项目使用的架构ReActAgent的think()-act（）过程（对应LangChain4j的推理-行动-反馈）说一下项目中的Advisor责任链数据库存储了什么，Agent的数据库有多少条数据（两个项目都问了）如何实现向量化的说一下Rerank和topK，具体做了哪些...