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 ...

学java第六天，效率太慢了把游戏删了我再玩是sb

从25年6月到现在，没停过，薪资依旧3k。求超越😼

1. 在 Cortex-M 单片机中，从上电复位到最终进入 main 函数执行，整个启动流程涉及哪些关键步骤以及每一步的作用是什么？答案：从地址 0x00000000 读取：初始 MSPReset_Handler 地址设置 MSP跳转 Reset_Handler初始化运行环境：拷贝 .data（Flash → RAM）清零 .bss初始化系统时钟（SystemInit）调用 main()本质：启动文件负责构建 C 运行环境2. 在 FreeRTOS 中，任务调度和任务切换的底层实现机制是什么，在 Cortex-M 架构上具体依赖哪些异常完成上下文切换？答案：调度触发：SysTick（时基）AP...