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...

要简历的不少，但没面😥同学都在实习，好焦虑😢

继上次三方毁约后，又拿到了腾讯社招offer

嵌入式拿高薪，其实并不神秘。很多人把它归因于“学历好”或“运气好”，但如果把市场需求、技术门槛和岗位结构拆开来看，会发现一条相对清晰的路径。研究生起步20K，并不是少数个例，而是由行业结构决定的结果。首先，从需求侧看，嵌入式属于“强工程+强落地”的领域。相比纯互联网开发，它更贴近硬件、系统和产品，替代性更低。一家公司可以用一个后端工程师替换另一个，但很难快速找到既懂硬件接口、又能写驱动、还能调系统的工程师。这种复合能力直接抬高了岗位溢价。尤其是在车载、工业控制、机器人等领域，对稳定性、实时性要求极高，一旦出问题成本巨大，公司自然更愿意为“靠谱的人”付高薪。其次，从供给侧看，真正“合格”的嵌入式...