12号广州TPLINk座谈会

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 ...

收藏我了是进人才储备池了还是有戏了😂

没必要在学校疯狂卷了

首先第一第一 每个人都不是百科全书 都会有不会的问题。首先第一 一定要想得让面试官 看到你在思考而不是不动脑子,必须装也要装出来即使你没思路想了30秒之后，如果不会，需要诚实的回答不会。面试是短时间内调用你大脑里已有知识，迅速进行回答的场合。你平时没有相关的积累，就不要勉强回答。为什么呢? 因为你这道题不会，面试官通常都会问其他问题的，只要你不是每题都不会就行了。一两道题不会，不用担心，你可以在其他问题里，扳回一局的。真的不用太担心因为一些问题回答不出来，就担心自己的表现。另外呢，你强行回答，要么文不对题，要么罗里吧嗦的。这个只会更加破坏你在面试官面前的形象。当然你不需要就只是回复不会，这两个...