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

🐭🐭是学院本，没有实习过😭3.2号更新一波简历，目前已经有一家进二面了，一面线上面被拷打了一个多小时，后面和负责人开始聊天。😭

        AI能写代码、做报表、排查bug，帮我们摆脱繁琐重复劳动，但我们难免焦虑：AI如此强大，究竟有什么做不到？我们的价值会被完全取代吗？               答案藏在需要温度与共情的瞬间。        AI能生成华丽的安慰话术，却替代不了发自内心的倾听、真诚的陪伴与职场间的默契理解。它能捕捉文字情绪，却体会不到背后的欢喜与遗憾，就像病人需要的是医生的关切，而非AI的冰冷建议；失意者需要的是懂他的共鸣，而非千篇一律的...