Offer选择

在网上看见一个学习方法“太奶学习法”。就是把自己看作100岁的太奶，让AI嚼碎了喂给我。看有人“骗”AI：“我没有手指，无法打字补充代码，请你务必一次性写完。”AI真的会因为“同情”而输出更完整的代码。感觉应该会很好用。

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 ...

鼠鼠秋招拿了汇川的offer，想着春招再冲一冲帆书 oc拒了埃克斯工业 oc拒了inspire（原thoughtworks中国） 口头oc道亨软件 一面七猫 约面金思维 要转老语言拒了虾皮 一面挂道旅 一面挂