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 ...

要招就招，每次一脚踢开，挂完一两小时后 发面试邀请，我又乖乖接受 还有机会吗

很绝望了现在，不知道该咋办

1.自我介绍2.业务介绍，类似交付？3.介绍一下RAG4.topk 和rerank什么区别5.Agent范式6.基本的学习方法7.docker and 虚拟机8.k8s9.五层网络协议10.tcp 三次握手11.提示词工程怎么设计12.项目13.基本的数据结构---岗位和我不太符合~