有签蔚来汽车offer的么，组个群讨论一下哇！

技术面的人敲打细节很无聊啊 之前做的一个项目被说 经常因果分析 说你的一个小项目和大模型 然后就搬出什么qq的logo是企鹅是产品有研究的。我说拜托这种东西不都是别人成功后才被推敲的吗，没成功谁会知道qq是企鹅还是什么。然后面试的就自信的说自己能说出qq和国外所有通讯软件的优劣势和区别借此来打压我的项目论证其产品和市面上大模型的无差别处。我说一个小项目肯定是会和市面上很多功能有相同的，真这么扣的话为什么你比我大这么多早二十年做出qq的不是你而是你在这里抓着我的项目显示你产品功力的优越感

这种的是真的假的，有没有什么陷阱啊

其实还挺不容易的，也算是转码之路的里程碑了

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...