OPPO真有你

感觉暑期实习能投的公司越来越少了…… 字节腾讯美团阿里该投的都投了，在等结果。 刷了一下其他同学的帖子，大家都差不多，deadline越来越近，还没offer都开始焦虑了。 整理了一下，截至本周，还开着投递的（不完全，欢迎补充）： 美团 — 部分部门还在，算法HC还有快手 — HC比较少了，但还没关网易 — 算法/ML方向还有几个坑百度 — 部分BG在招，智能云还开着小红书 — 算法方向还在一些中厂：多益、三七互娱、网易游戏部分岗位还开着 内推的话各大厂基本差不多截止了，有学长学姐资源的现在去要内推还来得及…… 【一个省时间的方式】 最近同时在跑好几家的流程，又要填表又要备面，时间真的不够用。...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

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 ...