投票啦，投票啦！顺丰 VS 一加

1、📍面试公司：波克城市一面🕐面试时间：20260408💻面试岗位：测试开发工程师❓面试问题（记忆较为深刻的问题）：1、埋点框架调优的内容2、商业化SDK交由其他业务使用，如果业务反馈埋点量级大幅下降要如何排查3、Kafka数据流4、算法题：最长回文子串，解决方法找到回文中心字符（奇数、偶数两种情况），向外寻找可能的最长子串🙌面试感想：个人算法能力太差 hot100再刷刷HR面🕐面试时间：20260414❓面试问题（记忆较为深刻的问题）：1、两年内主要负责的业务，为什么考虑换工作2、个人更看重什么，为什么当下觉得发展受限3、反问2、📍面试公司：小熊博望 倍孜一面：🕐面试时间：20...

佬们看看这个简历可以冲大厂吗

这样是挂了么

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...