心态崩了。。。

1. 自我介绍2. 项目拷打3. Reward Model 在对齐训练里扮演什么角色Reward Model 本质上是在学一个“人类更偏好什么”的可微近似函数。SFT 学的是“像人那样答”，RM 学的是“人更喜欢哪种答法”。它并不直接生成答案，而是给候选答案打分，把人类偏好从离散排序信号压进一个标量目标里，后续无论是 PPO 还是其他策略优化方法，核心都要依赖这个分数去推动模型往偏好更强的方向移动。RM 最大的价值不是替代人工，而是把人工偏好从逐条监督扩展成可批量泛化的训练信号。真正难的地方在于它很容易学到表面模式，比如更长、更像模板、更会说套话的答案可能被错判成更优，所以 RM 训练的上限很...

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。

📍面试公司：巨人网络💻面试岗位：游戏策划实习生❓面试问题：1.无自我介绍环节2.针对简历提问一些小细节（盲猜是确认真实性）3.艾尔登法环吸引持续多周目的点在哪4.最近在玩什么游戏（答曰鹅鸭杀和洛克王国）5.鹅鸭杀的可优化的点在哪？（答了新地图和渡鸦）6.洛克王国最开始吸引玩家的点可能是什么？7.最近还玩了什么手游？8.对加班的接受度？反问阶段：问了一下写案子的建议，面试官非常负责地讲了5min左右🙌面试感想：总流程20min左右，时间太短感觉必挂，4天出一面结果，果然挂了