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...

项目很垃圾就是外卖加点评，想在成都找个中小厂实习（如果能去大厂更好但是我感觉我不行），实习到9月份开学，现在准备开始背八股，力扣刷了20多道，机会大不大？

真的不是工资多高、福利多好，而是某个不起眼的瞬间，突然觉得：原来这段日子没白熬。 1. 第一次独立搞定一件事，被前辈说“做得不错”不是客套，是真的被认可。那一刻觉得，自己不是打杂的，是有用的。 2. 听懂了以前完全懵的行业黑话开会不再全程走神，能跟上思路，甚至能插一句嘴，突然就有了“职场人”的实感。 3. 学会了一个以后能带走的硬技能做表、写方案、剪视频、对接客户……不管以后去哪，都是自己的本事。 4. 拿到第一笔靠自己赚的钱不多，但花的时候特别踏实，第一次觉得自己能养活自己了。 5. 有人愿意教你，愿意带你不是冷冰冰的使唤，是真的愿意花时间告诉你为什么这么做。 6. 从手足无措，到遇事能冷静...