成都银行科技岗

一面业务面（40min）1.自我介绍2.简历深挖3.安克某一品类的生态和小米相比你觉得有哪些不足以及可以改进的地方4.对于team里面的两个方向更倾向哪一个，为什么5.如果要上线一个新品，你觉得步骤是什么6.对于国内的主流社交媒体了解吗，有什么洞察，好奇心怎么样7.反问二面业务面（30min）1.自我介绍2.过去的实习经历不太相关，为什么选择投递这个岗位3.简历深挖4.实习中，遇到的印象最深刻的事（抓狂或骄傲都可以）5.个人问题（家，性格，性格方面的缺点）6.反问三面综合面（15min）1.自我介绍2.实习经历中最有成长和收获的具体案例，达成这件事的关键原因是什么3.过去协助策划的两个活动在用...

从2月初到现在boss两个号一起投账号1:沟通6591次，投递301份账号2:沟通4870次，投递169份网申没做具体统计投了可能200多家，线下双选会也有在参加估计投了70份左右而最终只有13场面试以及两个小厂offer，这个简历后面还有机会吗

不知道过两年会变成啥样…   

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...