美团居然两轮面试就发offer了

💻面试岗位：后端开发❓面试问题：1、自我介绍2、有实际生产应用的项目吗？3、介绍一下你最熟悉的项目4、这个项目评估指标有哪些，效果怎么样？5、这个智能问答系统响应时间要多久？6、代码评审智能体是自己写代码还是AI Coding的？7、代码安全问题的话，你能想到哪些可能存在的安全问题？8、介绍下项目里的秒杀流程是怎么样的，详细介绍下，用户啥时知道自己秒杀成功了？9、如果库存有100个，但是本次活动只分配50个库存，这个怎么实现，活动完毕之后不能少于50个？10、手上有其他的实习机会吗？11、当时怎么没去大厂实习？12、相比于其他同学的优劣势是什么？13、平常有什么业余爱好吗？14、想在腾讯实习...

简历给你了学校标的清清楚楚😅，面完说我是三本只能给150，那你boss标200-250干嘛，感觉还是太礼貌了，应该直接爆了😤学历就是一个人的外貌实习就是一个人的衣服本科学历差就是其貌不扬的样子实习经历差就是破破烂烂的衣服＃民办已经死了 ＃都给我去考研吧＃计算机就是学历＞技术＃c++92✌🏻才能学

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...