打卡打卡

1. 自我介绍2. 实习项目拷打3. shared_ptr 性能优于 unique_ptr 吗，为什么答案：一般来说不能这么说，绝大多数场景下 unique_ptr 比 shared_ptr 更轻量。unique_ptr 只有独占所有权，不需要维护引用计数，大小通常就是一个裸指针，移动也只是转移所有权。shared_ptr 需要额外的控制块来维护强引用和弱引用计数，多线程下还涉及原子操作，所以构造、拷贝、销毁成本都更高。只有在确实需要共享所有权的时候，shared_ptr 才有意义，而不是因为它“更高级”就优先使用。如果面试官继续追问，通常会往控制块、循环引用和 make_shared 上延伸...

这种的是真的假的，有没有什么陷阱啊

感觉自己还是挺狗运的，比不上牛客这些双非大佬随便秒终于戴上红围脖了，xdm 加油

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...