题解 | #对顾客ID和日期排序#

20分钟基础30分钟拷打实习，回答拉完了，偷的产出被问露馅了总结：面试官还是很有水平的，主要针对项目的追问很专业，问到我说不出来，不过最后还是给了我答案和建议1. 怎么判断单向链表是否有环？环入口怎么找？时间复杂度多少 2. 怎么判断一棵二叉树是二叉搜索树 3. 接口和抽象类区别，设计层面有什么不一样 4. Java单例模式怎么实现，双重检查锁细节 5. volatile能不能保证原子性，底层怎么实现可见性，内存屏障有几种？（具体忘记了） 6. 线程池重要参数有哪些，为什么选这几个，IO/CPU密集型线程怎么设置 7. Spring IOC是什么，解决什么问题 8. Spring Bean底层...

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

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...