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...

无实习加一般学历，求简历拷打

，有没有什么老主神学，祝我一臂之力

投的cpp研发工程师 ，一面直接主管面， 简单问了点实习项目。介绍说业务是python 加 cpp语言 大概是语音模块的业务。反问问后面流程面试官直接说是hr面了，感觉是缺人做dirtywork了 有没有牛油懂得，有没有坑啊。故事是这样的，部门主要是做ai infra的，但是我这块完全不懂，所以拒了第一次面，但hr还是打电话说让我试试，也有其它的业务。稀里糊涂就面了，而且约下周hr面了 很神奇。