暑期实习进度统计

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...

大二小登简历求拷打

给点建议吧，找不到实习了😭  

回想我本科刚毕业的时候，在家待业了快3个月，一度陷入自我怀疑。那时候，看着各大招聘平台上同届的同学陆续晒出offer，我心里满是焦虑和羡慕，直到后来顺利上岸，复盘这段求职经历才发现——我并非能力差到没人要，也不是专业完全不对口，而是我自己，把找工作的路，堵死了。 那时候，身边很多本科同学和我一样，成绩不算差，专业课也认真学了，甚至也准备了简历，但就是迟迟不敢投递，更不敢主动找HR沟通。我们总在纠结、内耗，而这一切的根源，从来不是“本科学历”，而是性格里的怯懦和不自信。 曾经我总觉得，找不到工作是因为本科出身没优势，是因为行业卷，直到我一次次打开招聘软件，看着合适的岗位，却连投递按钮都不敢点；直...