再次收到字节感谢信

在ssob上沟通的hr，没想到居然直接约面试了，赶紧准备了一下项目，希望不会被拷打结果面试是HR面，就是问了一些校园经历、项目经历、高考分数、家庭状况之类的，白准备了，纯聊天来的反问环节我问他们java岗是做什么业务的，hr说是开发什么中台来的，搞不太懂，毕竟我的项目基本是Redis高并发订单处理的商城系统有没有牛友知道这是干啥的

有点搞笑了哈哈哈😂

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

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...