一面：讲一下论文。深挖了一下项目。讲一下强化学习reward函数设计。代码题一维卷积核矩阵，完整做出来了。二面：讲一下论文。grpo和ppo的区别。大模型训练流程。拒绝采样数据处理怎么回事的。问了一下对自己的期待和未来职业规划。问了我的优点和缺点。没有编程题。三面：讲一篇自己的论文。介绍项目。问了微调大模型如何卡阈值。为什么CLIP的嵌入效果不好？有什么解决办法。手撕了infonce代码。许愿hr面。