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...

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

1. 你现在做的系统如果让我一句话理解，它解决的核心问题是什么2. 如果让你重新设计这套系统，你会先拆哪几个边界，而不是先画微服务图先拆交易主链路和旁路能力。主链路只保留强约束动作，比如下单、库存冻结、支付确认、履约状态推进；旁路能力像风控、推荐、画像、报表、运营分析都要尽量异步化。再往下拆数据边界，订单事实、库存事实、支付事实不能混成一张万能表。最后才是服务边界，因为很多系统不是服务没拆好，而是业务一致性边界一开始就画错了。3. 一套交易系统里，什么地方最容易被误判成“性能问题”，其实是模型设计问题最典型的是状态字段过载。很多系统把几十种业务状态塞进一个 status，然后所有查询、补偿、回...