这个点了还没收到腾讯性格测试

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 ...

我听过最轻描淡写的一句杀伤力最大：“你这个项目太简单了吧。”没有反问，没有质疑，就是一句陈述。像你端上一盘菜，人家看了一眼说“哦，就这”。当时我差点接不上话。后来复盘，这种话最难搞的地方在于——它不给你反驳的空间。你如果说“不简单”，显得你在狡辩；你如果说“确实简单”，那就等于承认自己水平低。想的比别人多，做的比别人细，这才是值钱的地方。真正有几个“不简单的项目”呢，这个大草台班子 总有人在反驳和强调

从三月初就开始投 一直到现在只有一个面试几乎全是已读不回꒰>﹏< ꒱沟通600+ 只投出去20多个简历

大家好，我是@程序员花海，上周我出过2篇完整从后端转Agent开发的学习路线，也收到了广大牛友的好评，感谢支持！其中一篇关于Agent的面试题更是登上了牛客榜第一，感谢各位的支持！往期文章：1.都在找Agent开发，我整理了80道相关的Agent开发面试题。：https://www.nowcoder.com/discuss/867373725035872256?2.26年全网最全Agent学习路线，拿走不谢！：https://www.nowcoder.com/discuss/864821937527128064?sourceSSR=users3.关于后端和Agent开发，聊聊我的看法：http...