记住，这不是“锻炼机会”，是坑

2026年4月10日百度LastDay，4月11日骑上我的重机车，南下！（最终选择了TCL鸿鹄实验室，去做AI应用落地，涨幅45%） 要离开北京了，但是这次没有什么大事，我不会再回来了。我为什么离开北京？我在北京这些年的经历给我带来了什么？从小厂到中厂到外包到大厂，这一路来我究竟经历了多少困难？ 其实这一刻，说不上悲伤还是开心，一言难尽，百感交集。（领了离职纪念工卡，还有纪念度熊）一、初入职场，我一无所知 2020年我从河北大学毕业。在学校时候，不知道牛客，不知道实习，不知道保研，什么面试，什么面经，反正一概是不知道。纯纯小白，当然这是我的问题，因为不可能是别人的问题。 最开始被忽悠了，去了一...

不是我应聘个it技术支持岗位4-6k 还学历歧视上了😭

25届本科生，简历写成这样可以吗，毕业回家了过完年来找工作，很迷茫，不知道投什么岗写项目完全离不开ai，就是投小厂开发岗也感觉过不去面试

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 ...