美团意向啦！焦虑很久可以稍微松口气了

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 ...

这两天投了jd，mt和tx，但是都石沉大海了，已经开始怀疑自己是不是会的东西还是太少了，这两天背八股也是背的想吐，要不要直接冲小厂啊

昨天晚上妈妈突然告诉我，一个在科大毕业每几年的亲戚去世了，才三十不到。突然间我躺在床上，感觉自己对未来的焦虑、烦恼，似乎在生命之重面前成了一片微不足道的叶。昨天我的女朋友送了我一个噜噜的玩偶，我把它放在床上陪着我睡觉。我突然想到，如果有一天我生了一场大病，躺在床上，无法健身，无法学习，无法和我爱的人一起散步，吃饭，做最平常的事情，这有多么可怕啊？我们现在活着，爱着，在努力地往前走，这就是最伟大的财富了。

1. 阻塞和非阻塞有什么区别答案：阻塞和非阻塞描述的是一个系统调用在资源暂时不可用时，调用线程会不会立刻被挂起。阻塞 IO 下，如果数据没准备好，线程会睡眠等待，直到条件满足再返回。非阻塞 IO 下，如果数据没准备好，系统调用会立刻返回错误码，比如 EAGAIN 或 EWOULDBLOCK，由调用方决定后续是重试、注册事件，还是先处理别的任务。很多人容易把阻塞/非阻塞和同步/异步混在一起说，但它们不是一回事。阻塞/非阻塞更偏调用方发起操作时的状态表现，而同步/异步更偏结果通知方式。代码： #include <fcntl.h> #include <unistd.h> #i...