来点乐子

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 ...

0offer0约面  

帮我看看简历吧

性能优化一般会怎么做？JWT是什么？项目里为什么要用JWT去生成双Token而不是单Token？搭建过这个Node和Express，你了解过除了Express的其他一些Node的后端框架吗？Vue2和Vue3的区别？Vue2和Vue3有什么设计理念的变化？Vue和React有什么区别呢？项目里的大文件上传和断点续传，你觉得实现这个功能的最大难点是什么？Webpack有什么问题？Vite和Webpack的异同点？有哪些模块化的形式？项目里一般会用哪个？手撕题：手写一个batchFetch函数，要求请求分批发送出去，返回所有的响应。为啥还没出结果，焦虑焦虑焦虑。接好运！！！