上周五，晚上六点，参加了小米一面，整体时长1.5个小时，算是比较长的吧面试官看起来比较年轻，刚开始自己的心态也挺轻松，随着面试的进展，心情变的越加的不对劲，怎么问的每一道题都只知道一点，这是知道了自己的打法，专门来拆台来了 （让我自己认识到自己真不专业，基础太差）问题的答案，我都用一个链接的形式来呈现，相对简单的会做出解释px em rem vw vh 分别解释一下这几个单位www.jianshu.com/p/82f02af17…padding-top, 10%, 10rem，10vh， 10em 取值逻辑是什么这个里面有个坑 就是10% ,取的是父容器的宽度的10%em 也有个坑，不一定取的...

求拷打，认真听取每一条建议    

想做嵌软，佬们拷打拷打

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 ...