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 ...

15.30开始，16.00结束，16.16发邮件约二面，官网流程进复试。这岗位不会是招黑奴干活的吧😰4.8更新：原来是被捞到日常实习了，表示暑假到岗，十分钟说拜拜👋。

rt 不知道是真的假的丁老板 太难绷了

这是一位学员投稿的经纬恒润嵌入式软件开发岗位一面面经。整体看下来，这场面试的题目覆盖面比较广，但难度不算特别高，主要集中在嵌入式开发的基础知识，包括 C 语言、STM32/单片机常识、SPI/I2C/TCP 等通信相关内容，以及一些和硬件认知有关的问题。如果平时有做过单片机项目，学过 STM32，复习过 C 语言和常见通信协议，这套题其实是比较典型的一面风格。一、面试题目整理根据学员投稿，面试中提到的问题大致如下：static 的作用static 在函数里面的作用SPI 在什么地方用了I2C 的起始信号，几根线函数指针和指针函数的区别TCP 的握手和挥手结构体和联合体的区别低功耗时的电流、正常...