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...

rt，求拷打 0实习0奖项 白纸一枚😭

快一个月沟通300次，要简历30次，面试三个全挂😭日常实习难度这么大吗？找实习找到道喜破碎。是我简历太烂了吗？求指教。

面试官很和善，引导的很好，技术理解的题答不出来会讲解然后跳过，感谢1.主要拷打项目和实习工作时的主观能动性，比如为了解决什么样的问题或者需求做的，工作时对项目的整体架构探索和需求背景的了解；2.提问hook和工具函数的区别，只从复用角度为什么还要用的自定义hook而不是封装成工具函数；3.前端框架的意义；4.diff和如何降低多叉树复杂度；5.找出无序数组的连续区间（思路有但没写出来，刷题刷傻了，想复杂了）；6.如何使用ai工具，使用哪些编译器，项目编译前后分别是什么；7.vite，webpack如何配置；总之考察思维和开放题为主。收获：提升了自信，以及还是要提升解决问题的能力，不能一味刷八股...