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 ...

😭😭😭😭，ssob没人理我啊，今晚改了改简历，各位佬拷打一下我

😭😭😭已经投了500份简历，一个面试也约不到啊，大佬们可以说说为什么嘛😭😭😭

📍面试公司：阿里国际🕐面试时间：26.4.9-45分钟💻面试岗位：AI应用开发❓面试问题：非简历上的补充介绍构建向量与关键词混合检索的背景、具体实现逻辑，以及为何选择ES作为统一存储引擎而非独立向量数据库，以及ES如何存储向量化文本和文本的？向量与关键词检索的结果怎么处理的？针对混合检索效果的评估，你采用了哪些指标？当前评测方法存在什么局限性？后续计划如何构建更贴合水利业务的评估体系？在多格式文档解析环节，为何选用Apache Tika而非直接调用大模型进行解析与分块？这种选型背后考虑了哪些工程约束？介绍Redis Bitmap管理文件分片状态的作用。了解过业界的上下文记忆和多轮对话吗？...