5单选+5单选+5多选前五道单选类似于思维题，不过做起来也没多大把握，感觉跟专业知识没多大关系后五道单选和多选对于我这种八股只学了JavaSE和Java并发的来说很难，完全看不懂，全都乱选唯一记得的一道是对32个对象进行快排用了32ms，问对1000个对象应该用多久编程题不难，都ac了第一道核心代码模式，合并两个有序数组，从最后一位开始比较合并就好了第二道核心代码模式，是岛屿题的变种，01二维数组迷宫，从（0，0）起点，1为不可达，问有多少个不可达区域用dfs解决第三道acm模式，输入[0,2,1,3]，0和1是情侣，2和3是情侣，要坐在一起求最小交换次数，看了一会，发现最小交换次数就是没坐在...

求大家看看这份简历有啥缺点。boss好多已读不回的我已经麻木了，大家嘴毒一点指出来没关系的

就是觉得好漂亮，可能是配色？

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 ...