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 ...

主播27号面完，到现在还显示这个是不是要挂了啊

笔试部分（恒生电子安排的笔试题）选择题：选择题涉及全方位八股（java、mysql、redis等，不是怎么还有一些没看过的操作系统和计算机网络😭）填空题：猴子吃桃（😀）代码题：手写工厂模式示例（😭）、一道简单算法题（😀）简答题：一道八股手写：MySQL的事务隔离级别有哪些？手写无数道MySQL，不是哥们，力竭了（😭）总结：还是要去背一下java基础八股，手写一些sql题（因为切不了屏幕，超过三次直接提交，就算用手机ai搜也要一个一个敲上去）面试部分（卡俄斯星科技安排的面试）java基础：int和integer这两个的区别是什么？面向对象的特点讲几个?equals和==的区别是什么?a...