比亚迪求捞

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 ...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

【背景】：公司每天会加班到9点，周末双休，实习生150一天，实习加班没有加班费（nt）【结尾】：一面二面都过了，面试官要了我的身份证和学信网，跟我说等一个星期到一个半星期才会安排入职，然后就没后续了...估计是被鸽了一面（技术面）：自我介绍简要介绍你在上一家公司实习参与的项目你们公司的这个项目你是从上到下都参与的吗还是只参与部分模块，你们是怎么分工的MySQL数据库了解吗？索引接口你了解吗？为什么MySQL使用索引查询会比较快为什么不使用Select *java动态代理了解吗动态代理有什么使用场景Redis锁机制你有使用吗？为什么考虑会加锁假如有多个对象要加锁的话你怎么用呢？比如ABC下了单他...