题解 | 牛牛的矩阵相加

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 ...

好像是个中厂，如果处女面面这个会死吗

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？

鼠鼠有幸收到了第四批笔试，明天搞，今天做了下牛客上能找到的一二批，第一二题还可以，第三题一涉及到复杂点树图鼠鼠就不会了。。。第一题都是思维题，千万不能暴力硬搞，想一下其中数字规律关系很快就能出来。11.小美的因子数量小美很喜欢因子数量为奇数的数。现在小芳给了小美一个区间[l,r][l,r]，请你帮小美算出区间内有多少个因子数量为奇数的数。【名词解释】因子：对于正整数xx，如果存在正整数pp 使得xx 能被pp 整除，则称pp 是xx 的因子。例如，1212 的因子有1,2,3,4,6,121,2,3,4,6,12。解释：数字的因数都是一对一的比如6的因子是1，6 |2，3|偶数 只有完全平方数...