话说过年期间晚会上那几个火出圈的机器人，大家看了么？看着它们在台上蹦跶的样子，不知道你们咋想，反正我觉得挺诡异得，跟看被电的尸体没啥区别。但上帝归上帝，诡异归诡异，目前不得不承认的一件事是，整个社会的资金正在疯狂往这个方向流。不只是机器人，AI 的气氛也已经开始在全社会蔓延。我一个朋友，今年就活脱脱体验了一把。 元宵一过，老板把他叫去谈话，说公司打算把前端岗位撤掉，准备尝试 用 AI + 少量开发人员替代。受这个启发吧，开年第一篇，搞一点小思考，也算是给未来发几张 “预言牌” ，过几年再回来看看自己到底说对了几张。我先确定三个基调作前提，如果各位看的觉得不爽，或者觉得我这基调定的就是错的，那没...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

这几天疯狂在boss直聘和应届生上投简历，结果一个回复都没得，是不是简历有啥问题😭，主要投的都是产品岗，求友友们帮忙看看

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 ...