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 ...

😭这是给挂了吗，都一周了还显示这个。。。。

唉没招了，大厂全是这种吗，双飞真没机会呀！！！

天天不是笔试就是面试，已经麻了，发发面经攒人品感觉这次回答的很烂，代码有个题也没撕出来，要寄了刚开始面试官一直让我调手机摄像头位置，大概调了两三分钟，感觉pdd对这个要求还是很严格的。自我介绍你本科绩点多少？排名大概多少？考研还是保研？详细介绍实习项目问了下实习的时候redis大key咋优化的（实际上就是hash结构拆成string），优化前后的key分别是什么这个大key当时触发了什么告警？（cpu打满了）实习的时候那个分布式锁怎么优化的？我看你建立上写了了解垃圾回收去，你知道最新的垃圾回收器吗？（只知道G1，再也不敢在简历上乱写东西了）你知道G1详细的工作流程吗？（不了解）讲一下mysql...