E 递交申请 数据可能有误

1. 自我介绍2. 介绍一个课内做过的算法项目3. 简历项目介绍4. 项目中遇到的困难，积累了什么经验？5. 用过什么 AI Coding 的工具？感觉怎样？6. 介绍一下你的 RAG 项目的创新点和经验7. 介绍一下你的多智能体项目的经验8. 你的编程能力和数学能力都很强，都获过奖，未来是否考虑转战算法岗？9. 对工作地的期望？10. 未来升学职业规划网易的面试官比字节等其他大厂的温和得多，压迫感也更小，全程回答的还算可以，没有卡壳，感觉这次有戏

灵神太强了，写力扣没这么爽过

我是犯天条了吗？大佬们

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...