题解 | #查看牛客网哪些用户使用Python#

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 ...

你在leetcode上练的都是死代码能力🤣

0实习，boss沟通了快一千个，就一个面试，求问问题出在简历还是招呼语呀？招呼语是：Boss您好，我对您发布的职位非常感兴趣，可以把简历发给您吗？

一面-来自其它组的技术面1、自我介绍2、负责的较难的模块3、工作里的风险点你为什么不上报？4、个人项目5、工作内容，上家公司情况6、值类型与引用类型区别7、装箱拆箱8、GC9、MVC和ECS10、分帧加载11、抽奖如何做到公平，以及抽奖函数设计12、AI对于编程有哪些方面的益处？你会用在工作里的哪些方面？13、在工期紧张的前提下，你需要在一堆屎山里完成超预期的工作，你会怎么处理？会不会优化屎山？何时优化屎山？二面-来自面试组的技术面1、自我介绍2、上家客户端大概多少人，怎么分工3、对ai的使用4、对于ai的看法5、你对于哪些方面知识不想让ai来代替你操作？6、AI有些方面已经做的很好了，我们有...