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...

26学院本，5号开始投简历，一个星期了都没面试😭，大部分要了简历就没后续了，咋办呀？

“无名小卒，还是名扬天下？”我知道很多人都不觉得我能走到今天这一步，当然，也包括我自己。在我的人生里，有两部作品刻下了最深的烙印：《斗破苍穹》与《龙族》。它们总被人拿来对照：一边是萧炎的桀骜轻狂，一边是路明非的怯懦衰颓。有人说，天蚕土豆没见过魂天帝，但江南见过真凯撒。我时常觉得，自己就是那个衰小孩路明非。可路明非可以开挂，我不可以；我也无数次幻想过，能拥有萧炎那般年少轻狂的人生，可我没有他与生俱来的逆天天赋。我只是个平庸的普通人，一个看过《斗破苍穹》却开不了挂的路明非，只能一步一步往上爬。从我下定决心找实习的那一刻起，我就给自己定下了目标：“我一定要为字节跳动卖命.jpg”。萧炎有他的三年之约，我有我的两年半之约（其实是一年半）。2024.11.20，科大讯飞的第一封实习offer落进邮箱，我迈出了这场奔赴的第一步。2025.8.18，放弃百度转正的安稳机会，转身走进前路未卜的不确定里。我很感谢我在百度的mentor，是她从茫茫人海选中了我，给了我大厂实习的机会。即便有段时间我状态差、产出不理想，她依旧愿意认可我、希望我留下转正。2025.11.14，我选择走进字节跳动，以实习生的身份重新出发。2026.3.25 - 3.31，一周速通上海飞书，幸遇赏识我的伯乐，斩获Special Offer。被告知面试通过的那一刻，我的内心无比平静，就像这个offer本就该属于我。不是侥幸，是应得的。这一路，有人看轻过我的出身，不相信我能走到这里；也有人在我看不见前路的时候，替我举过灯。没有他们的鼓励与支撑，就没有今天站在这里的我。我看到了自强不息的激荡，那是一个双非的伟大乐章！我是雨夜迈巴赫，我要开启属于我的新篇章了。

4.14 阿里一面拷打实习经历拷打agent项目一道ai codingcoding时面试官问了手里有没有其他offer、为什么选阿里、又交流了一下比较ai发展的前沿反问4.16收到二面邀请面试官人很好，很随和感觉自己还是没适应面试，比如被打断之后思路就比较迟钝了，说不明白，感觉需要多训练沟通#牛客AI配图神器#