中企通信 | 创新 · 不断

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 ...

求内推

笔试1、现场做笔试，各方面问题都有一些，无算法题。记忆里牛客上有过它的笔试题，但现在找不到了，好像一直没变过。一面2、你工作里做过的重要的功能3、多少人做？重做还是优化？4、你有对红点系统了解吗？你会怎么设计？会有什么问题？5、海外本地化怎么控制的，直接在UI里面适配，还是写在代码里？6、一些独特的海外设计，如何避免因为合并分支导致冲突掉？7、一些特殊的海外资源怎么组织呢？一同放在项目里？（打包时替换成海外资源）8、各个分支的版本控制是如何组织的？9、UGUI常用的优化10、背包一百个格子和物品，怎么优化？11、无限滚动列表的实现？你们项目里无限列表的实现方式12、UGUI rebuild的整...