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...

年前一面通过，后面问是否考虑外包岗位，撤回的消息说的是“没办法，学历是硬性指标”，难绷那你面我干啥呢，浪费双方时间，你早说是外包岗我还接你面试干啥😂

26学院本，5号开始投简历，一个星期了都没面试😭，大部分要了简历就没后续了，咋办呀？

面试官想看到的不是 AI 有多聪明，而是你作为“架构师”和“技术主导者”的思维过程。AI 只是你的高级键盘，技术选型、边界划分和兜底策略必须由你来掌控。对于学生来说，虽然不一定有真实的工业落地经验，但面试一定会要求你能把项目做深、做闭环。一、核心四步法无论遇到什么 AI Coding 题目，都可以按下面四个步骤来组织你的 Prompt 和思路：Step 1：定义边界与骨架 —— 展现全局观不要一上来就让 AI 写逻辑，而是先写 Prompt：“我现在需要写一个高并发下的 XXX，功能如下：XXX”目的：先把数据结构定下来，这叫“谋定而后动”。Step 2：选择并指挥核心模型 —— 展现技术掌控...