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 ...

boss上投了200份了，还是没有约到面试，甚至没有回复，好焦虑😖

学java第六天，效率太慢了把游戏删了我再玩是sb

📍面试公司：绿联科技🕐面试时间：boss投递->3.30HR电话沟通->4.1一面->4.8二面💻面试岗位：软件测试工程师❓面试问题：1.自我介绍2.硕士期间主要学习了什么课程，有哪些感兴趣的，具体有什么内容3.C语言和C++的区别4.C++多态如何实现，多态如何使用5.计算机基础怎么学的，自学的？通过什么方式学的6.输入www.baidu.com之后具体都执行了什么步骤7.都看什么课程8.为什么想到学习测试9.实习拷打，不过也问的不深入，问题也很常规，主要问做了什么内容，如何实现的10.项目自己学习的吗，介绍一下实现方案，如果放大实际应用中还要考虑哪些11.兴趣爱好？...