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 ...

大公司进不去，小公司天花板，本人很想找一个能进的中厂而且有发展前景的，求大佬指点！！！把我收了吧！😭😭😭

应聘了很多家公司，基本上都是小微企业，双非真的无缘大厂吗？哪位大佬帮我看看简历啊？！

📍面试公司：北京小厂🕐面试时间：4月7日💻面试岗位：Java开发实习生❓面试问题：Java中的三大特征重写和重载的区别==和equals的区别list，set和map的一些区别hashset是如何实现去重hashmap的底层结构arraylist和linkedlist的区别线程的实现方式线程池的参数线程池运行过程常见的线程池有那些ReentrantLock 和synchronized 的区别避免死锁的方式为什么会产生线程死锁受检异常和非受检异常的区别error和exception的异常MySQL的索引b+数索引和哈希索引的区别事务的ACID是什么事务的隔离级别什么是脏读，不可重复读和幻读...