字节跳动商业产品实习招人

继一面几乎秒过之后，二面来了。听说字节暑期实习一般两轮技术面就结束了，所以我一开始其实挺有信心的，甚至觉得只要正常发挥，大概率就能过。结果一开面，我就感觉事情不对了。黑马点评项目才刚讲完，面试官基本没什么兴趣，直接抓着我自我介绍里一个小瑕疵开始往下问八股。最难受的是，他并非简单问完就过，几乎每一道题都要追到他满意为止，你只要没答到那个点上，他就会一直追、一直压。整场面试节奏特别紧，几乎不给喘息空间，确实很锻炼人，但面完也是真的身心俱疲。（附面经）---------------------------------------------------------------------------...

RT，不是很好意思直接问HR

bg211，暑假才转回南京校区😭😭根据星球做了一份简历，项目是一个rag+点评不知道能不能进八股简历上写的背的差不多了，hot100刷了一半，暑假想留校实习，做日常或暑假实习，求各种大佬指点，不玻璃心😭😭

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...