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 ...

二本的结局就是铁人三项嘛

攒人品ing4.9面，没后续了。因为我得到6月才能到，面试官说还有两个月，中间会陆续招人，要是到6月份还有名额再捞我。自我介绍啥时候能来实习。能实习多久？了解redis集群吗？了解redis底层的存储逻辑吗？redis的性能单点能够有多少？集群能够有多少？你的这个agent项目用了spring Ai Ailibaba，为什么用这个，他与langchain4j、spring ai有什么区别？选型的时候怎么考虑的？你用spring Ai Ailibaba的时候感觉有哪些比较好的点？哪些不太方便的点？你了解agent编排的有向无环图吗？你用了吗？为什么没用？你用过龙虾吗？对里面的技术有啥了解吗？我看...