15min面完，网上看了下大家这轮面试好像都是二十分钟以内，所以不清楚是不是KPI面，面试官人挺好，也开了摄像头，部门是深圳的恒云科技子公司，这个子公司的信息在网上比较少，所以也不清楚什么状况。1.XX实习中挑一个最难的任务说一下2.假设现在有两个租户在使用你的产品，他们的线程池的资源分配都要隔离开来，你会怎么去设计线程池的创建以及释放的流程？3.Ai有用过吗？有用过AI做一些coding工作吗？4.假设现在有一个新的AI技术，需要快速落地的话你会怎么学习和掌握？5.你有思考过AI coding的代码怎么保证代码质量吗？6.说一下MySQL、clickhouse、MongoDB最大的区别7.了...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

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...