华为离职月记--剩余90天

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 ...

四次面试终成鹅孝子 😭 

感觉寄了，代码都让ai写了，现在心里慌慌慌。怕不给面试，也怕给了面试。第一次面试说要出一道算法题脑子一片空白😐。。。

本人情况：27、学院本、一段小厂实习、Java + AI Agent。从 3 月 16 日开始投递，到现在已经向 2000+ 公司打过招呼，要简历比例 25 ： 1 左右。真正进入面试的更是少得可怜：线上面试大概 5 家左右，另外有 7 家要求线下的机会也全部放弃了。 目前能接触到的岗位，要么薪资偏低，要么公司整体水平较低，对个人长期发展帮助有限。从这个星期开始，每天打开 Boss 直聘都变成一件很消耗的事情。逐渐提不起兴趣，一整页的“送达”像是在不断消磨耐心。那些没有回应的消息，加上大量僵尸 HR 的自动回复，几乎把最后一点期待也一点点耗尽了。这段时间，从系统整理八股，到反复打磨知识体系，再...