阿里2024届Java实习-泡池子可捞

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 ...

项目一个是改的黑马程序员RAG项目，一个是实体教程书上的项目。第一次实习，目标是中小厂，求意见

📍面试公司：拼多多🕐面试时间：3.17一面->4.2二面💻面试岗位：测试工程师❓面试问题：1.自我介绍2.实习时间都不长为什么？3.实习过程中负责了什么业务模块，具体请求链路是怎样的？然后就是一直问实习，问的比较仔细4.比如一个业务迭代版本比较多，可能存在一些历史遗留问题，这种情况下你有哪些方案能避免？5.开发提测后你发现问题比较多，影响你的进度，这样情况下你可以哪些事情？6.手撕：前K个最大的数字反问🙌面试感想：手撕寄了，秒挂