十月上旬秋招投递记录1️⃣

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 ...

应聘了很多家公司，基本上都是小微企业，双非真的无缘大厂吗？哪位大佬帮我看看简历啊？！

从去年实习时的古法编程，到如今一行代码都不自己写，也就隔了个AI的距离。现在最大的焦虑不是需求，不是排期，而是——token额度。4月才过三分之一，额度就干了一半。Claude Opus 4.6是真的强，但也真的烧，接下来得省着点换Codex续命了。半个月，靠AI写了2万行代码，而且还是一个完全不熟的技术栈。经常一句话下去，AI库库给我整出几百行，写得比我快多了。但问题也来了：review比写还累，编码一分钟，review半小时。 我现在基本看效果能跑就合了，不会逐行深究。结果就是：新技术栈学了个“会抄”，但没真学会。仅有的学习窗口，就是review时偷瞄AI是怎么组织代码的。这也是如今的现状...