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 ...

bg二本，不玻璃心，毫无技术含量，不知道该怎么改了，接不到面试焦虑，有佬指导一下吗

之前的简历面试官被喷写的涉猎范围太广了，求大佬看看这版有没有问题

今年秋招开始，感觉很多公司都上了AI面试，而且几乎都是第一关，就要面对AI 。虽然但是，面得多了就摸清套路了。AI面本质是个无情的特征提取器，问题就三大类：1.行为特征题：必考！“分享一次你带领团队完成目标的经历”。它不是在听故事，是在抓取“领导力”、“协作”、“结果导向”等关键词，并分析你的表达结构是否清晰。一定用STAR法则提前写好稿子，对着摄像头练到面无表情也能流畅说完。 2.情景压力题：“如果和同事发生严重分歧，怎么办？” 它评估你的应对模式和价值观。回答要体现“职业化”和“建设性”——先沟通，再对齐目标，最后找解决方案。切忌情绪化抱怨。 3.岗位匹配题：“你为什么适合这个岗位？” 它...