收到了xTransfer的offer 要求提前过去实习

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...

1.你觉得高并发场景里会有什么技术难点吗？2.你们自研的脚手架有什么特点？3.为什么要舍弃 DDD（领域驱动设计）开发模式？4.除了代码结构，你觉得项目架构上有什么比较关键的亮点？5.你在公司的绩效和晋升情况怎么样？去年晋升时你具体做了什么事情？6.埋点重构项目的具体解耦方式是什么？7.你有没有自己写的比较好的代码可以介绍一下？8.重构方案中框架的具体设计是怎么约束的？9.订单重复校验项目的挑战在哪里？10.为什么会出现用户重复创单的 Bug？11.你们的技术方案是如何实现业务幂等的？12.你们的分布式锁在 Redis 里具体是怎么实现的？13.分布式锁真的能完全解决幂等问题吗？14.介绍一下分布式事务？项目中saga模式是为了解决什么问题？15.TCC模式如何处理空回滚？