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 ...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

好像是个中厂，如果处女面面这个会死吗

从去年实习时的古法编程，到如今一行代码都不自己写，也就隔了个AI的距离。现在最大的焦虑不是需求，不是排期，而是——token额度。4月才过三分之一，额度就干了一半。Claude Opus 4.6是真的强，但也真的烧，接下来得省着点换Codex续命了。半个月，靠AI写了2万行代码，而且还是一个完全不熟的技术栈。经常一句话下去，AI库库给我整出几百行，写得比我快多了。但问题也来了：review比写还累，编码一分钟，review半小时。 我现在基本看效果能跑就合了，不会逐行深究。结果就是：新技术栈学了个“会抄”，但没真学会。仅有的学习窗口，就是review时偷瞄AI是怎么组织代码的。这也是如今的现状...