实习

先简单自我介绍一下。你项目里有RAG地学知识库系统，介绍一下RAG是什么？用户提问时，大模型和RAG是怎么配合工作的？在这个RAG系统里，Redis用来做什么？Redis和MySQL有什么区别？Redis如何解决内存数据丢失问题？AOF记录的是什么操作？AOF重写是怎么合并的？项目中使用Redis有没有遇到缓存问题？过期时间怎么设置，有哪些考虑？MySQL索引回表是什么意思？了解MySQL最左前缀原则吗？联合索引(a,b,c)，查询条件写b、c、a还能命中索引吗？项目中消息队列的使用场景是什么？Kafka消费慢、消息积压该怎么处理？Kafka数据丢失一般是什么原因？你学习新编程语言的思路是什么...

是简历有问题吗

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...