打卡

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 ...

嵌入式能拿下那么多 offer，从来不是靠“会点单片机”这么简单，而是靠一整套扎实到能打穿面试的能力体系。第一，基础必须硬。C 语言不是会写 if/for 就够了，指针、函数指针、结构体对齐、内存布局、volatile、const 的本质、栈和堆的区别，这些都要能讲清楚底层逻辑。很多人死在“看起来会写代码，但解释不清为什么这样写”。面试官要的不是语法熟练工，而是能理解编译器和内存行为的人。第二，数据结构不是摆设。链表、队列、栈这些在嵌入式里是常用工具，而不是考试题。你要能在没有 STL 的情况下自己实现，并且知道时间复杂度、使用场景，以及在资源受限情况下如何取舍。比如环形缓冲区、内存池，这些都...