2023招联金融春招

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 ...

无实习加一般学历，求简历拷打

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

应公司要求，最近我们部门部分岗位的面试开始正式考察AI Coding能力。面了十几场之后，发现了一些大家普遍存在的问题。很多同学被问到“有没有用过AI Coding工具”时，回答就停在“用过”两个字上。再追问“那你觉得它和Copilot有什么区别”“你在实际项目中遇到过什么问题”，就开始含糊了。还有不少同学把AI当成一个高级搜索引擎——问一句，拿一段代码，粘上去跑通就完事了，完全没有“协作”和“工程化”的意识。同学还不清楚面试官到底想考察什么。如果把时间拉回到2025年的暑期和秋招，这类问题当时还只出现在少数比较前沿的公司和团队里。但到了今年，它已经明显铺开了。原因其实也不复杂，因为很多公司都...