📍面试公司：腾讯云智🕐面试时间：4.3💻面试岗位：客户端开发 ❓面试问题：1.自我介绍2.我看你们在项目中使用了多种线程池模型对吗？3.分别服务于什么场景？4.你这两段项目都是在学校做的吗？5.详细讲一下工作窃取模型，工作原理？6.任务队列是怎么分配的？7.那c++新特性你了解吗？Std：move的原理？8.如果你使用move的话会一定拷贝吗？9.Std：move主要针对是什么样的数据类型10.对于一些基础的数据类型可以避免拷贝吗？11.除了这个还有没有其他的这个move语义？12.你在项目中突出的是哪方面？13.当时为什么要用tcp呢？14.项目中为需要这种可靠的链接？15.登陆注册必...

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

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...