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...

目前简历是这样，求问有什么能改进的地方

27届还能有实习吗，有同学就学到Javaweb也找了个实习，之前投了800份我就约了一个面，，然后紧急搓了个ai项目demo换上去了😩

背景最近有同学在问，当前在AI大环境下大家在开发中如何提效，实现最大化摸鱼，写好SKILL，实现快速复用，配合Open Claw达到最佳效果，我们分为备菜（需要你有架构思维想到怎么准备）->炒菜（让ai给你写好SKILL及优化）->装盘（发布到Skill市场实现复用），大家在做饭时候其实最难的部分不是炒菜而是备菜，因此这里就需要你的经验架构，如果没有经验架构问题也不大，多花token让ai给你一步步确认。Skill介绍什么是 Skill？Skill 是 CC（克劳德code，为了过平台风控没办法只能这样，真的服了） 中的打包式专业知识模块，包含工作流程、参考资料和最佳实践。本质上是...