题解 | 顾客登录名

C++：1.什么是多态？如何实现多态 （同一接口不同行为，静态（重载，通过重载，模板等），动态（重写，通过类维护虚表，对象持有虚指针指向虚表）2.C++智能指针（unique_ptr,shared_ptr,weak_ptr，讲讲特性）3.为什么需要虚析构函数(基类指针指向派生类对象的时候，析构时能正确调用派生类的构造函数)4.map,set,multi_map,multi_set的底层实现（均为红黑树，set只存值，map存键值对，自动按照键/值排序，muti允许键重复） 计算机网络（网络编程）TCP三次握手流程，对应的socketAPI（// 服务端int listen_fd = socke...

本人bg为末九本，目前力扣hot100过了一遍目前在刷面试150，算法能力不太行，八股过了一遍。从3.9号开始陆续投简历，主要是官网投得多，中间几家大厂因为太菜笔试没过，其他不是简历挂就是一直在初筛，ssob上发了消息不是已读不回就是看都没看。在ssob上投还是在官网投面试机会大？另外我是不是简历有问题？希望各位大佬能给我和我点建议 从开始到现在已经一个月了一个面试机会都没有，已经没招了引流：美团，字节，pdd，腾讯，阿里

真的没法子了，彻底绝望了😑😑😑

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...