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...

25届本科生，简历写成这样可以吗，毕业回家了过完年来找工作，很迷茫，不知道投什么岗写项目完全离不开ai，就是投小厂开发岗也感觉过不去面试

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

两道算法题 讲思路（第一道ac，第二道优化思路没想到）有一道让我判断 abcd第一个不重复的元素我说的 当遍历到a时 检测字串bcd有没有重复元素面试官时间复杂度为 平方n 有没有优化思路?.....没想到，点了？面完想起了 统计个数介绍一下你自己面试官：请做一下自我介绍。面试题Q1说一下行锁升级为Redis分布式锁的背景和实现方案。回答:业务背景是多台机器执行异步任务,抢占任务竞争激烈，最终选择了Redis分布式锁而非乐观锁或MySQL行锁。复盘答案:对比行锁与乐观锁以及分布式锁的区别以及场景。行级锁: 主从也能用，就是 性能低乐观锁:UPDATE taskSET status = 执行中,...