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 ...

🎓学历背景：专科,广西农业职业技术大学软件技术👨‍💻意向职位：测试📍求职类型：IT🔑遇到的问题：

🕐面试时间：30min❓面试问题：自我介绍面试官一直没理解第一个项目到底是干嘛的，然后给看了看前端界面，然后前端的配置信息是怎么存的，后端是怎么做解析的，表结构是怎么样的（感觉是自己的表达能力有所欠缺，搞得面试官有点不耐烦了）mysql 的b树和b+树有什么区别，优势在哪，为什么能减少访问磁盘的次数（这里没答到点子上）redis 的常用数据结构，你平常是怎么用的算法：爬楼梯🙌面试感想：g