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...

搞笑呢？？？？？

美团timeline一面 3.26二面 4.2oc 4.8offer 4.10其他：oppo 一面挂vivo 没动静携程 笔试挂哔哩哔哩 没动静感想感觉找实习运气也占不少的成分，本来0实习选手暑期只是准备随便投一下练一练，想着过会儿再找日常实习，没想到美团直接收留我了。感谢一面面试官，在我第一次面大厂的时候给了我自信

up 的速成基于 JavaWeb 和 c 语法基础整个学习中基本用的全是 AI，也算是另类的 AI 辅助学习路线了语法和底层原理学习：GPT(主) + Copilot + Gemini开发实现：Cursor + Codex前端 skill：Taste Skill（提示 AI 审美）、ui-ux-pro-max（增强设计能力）后端 skill：ExecPlan Skills（让 AI 按计划干活，不乱改）点个赞还有创作者激励： 复制打开抖音，我的 Go 语言学习之路 https://v.douyin.com/1fFrBlJp-TA/ 01/06 cAt:/ ********** Go 基础首先让...