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 ...

双非一本，八股刚开始，这个简历能找到实习吗。。。

哎  心态崩了！  是不是我的简历太垃圾了 求大佬帮我看看🥺🥺🥺  到现在投了这么多家  没有几个给我发笔试的  就有一个美团发了笔试   a 了一道半  简历筛选挂了  投 Oppo  海信 小红书 字节直接挂 连面试笔试机会都没有 没招了 是不是我简历太垃圾  应该咋改  应该咋投啊  压力好大   现在做的这个两个项目是不是不够看  我之前还做了 spring cloud 的商城被我替换掉这个 ai 项目了  现在应该咋写呀

目前boss投了快1000个20-500人的小厂，就2、3个约面，还有的是打个电话或者视频问问情况，之后就没后续了，是简历问题吗，还是项目亮点不行，求助铁铁们。目前还没开始投中大厂。简历是两页，感觉也没必要一定缩成一页吧