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 ...

求各位路过的大佬锐评！      

三月底投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

1. C++11 之后你常用的新特性有哪些，分别解决了什么问题答案：比较常用的有 auto、范围 for、右值引用、移动语义、nullptr、lambda、thread、mutex、condition_variable、atomic、smart pointer、constexpr、optional、variant、结构化绑定这些。如果放到工程里看，真正高频的还是几类：一类是语法层降噪，比如 auto、lambda、结构化绑定；一类是资源管理和性能相关，比如移动语义、智能指针、完美转发；一类是并发库和原子操作；再往后像 constexpr、filesystem、string_view 这种更多是...