字节直接现场用Copilot写代码，但有个坑：他们看的不是你会不会用AI，而是你怎么改AI生成的代码。我一开始直接用了AI的结果，面试官说"这个边界条件有问题，你发现了吗？"我才意识到他在测试我的code review能力。阿里更狠，给了个需求让我用AI辅助完成，然后追问"为什么AI给了这个方案？还有更好的吗？"我答不上来，因为我就是无脑接受AI的建议，根本没思考过为什么。小红书问得比较软："你平时用AI工具吗？觉得哪些场景最有用？"我说用来写单测和重构代码，面试官点头。后来过了。我的感悟是：AI Coding不是看你会不会按Tab，...

项目自己做的，实际上没测试过，我怕来不及了。。。。。

这几天疯狂在boss直聘和应届生上投简历，结果一个回复都没得，是不是简历有啥问题😭，主要投的都是产品岗，求友友们帮忙看看

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...