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 ...

这种的是真的假的，有没有什么陷阱啊

继上次三方毁约后，又拿到了腾讯社招offer

对应聘岗位的理解面试官的风格对自己的喜好之类的是否匹配确认毕业时间、是否有深造计划最近有没有做什么项目？介绍一下一个项目，包括动机、做的东西、实现了什么、跟自己的目标是否匹配有遇到什么困难？对技术方向选择的考虑（前端转全栈）已经有了什么 offer怎么看待 AI？会有危机感吗（这是个好事啊，AI 去干杂活了实习生就可以干更有挑战性的事了）base 地有没有问题实习时间反问（转正率、mentor 带教制度、扁平化管理）