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...

这种要去吗？

1.工具调用率核心提高了15%，依赖的是什么手段？2.意图不太明确的时候，显著调用的是什么？3.命中率是用什么指标来衡量的?有线上数据吗？4.有去判断模型整体的一个准确率，以及token消耗量？5.有考虑过通过大语言模型进行二轮评估吗?6.agno框架和其他框架有什么区别？7.有了解过harness工程吗？8.整体的话有没有做什么编排调度？目前大多数ai coding的编排还是比较固定的，规划 生产 评估，有尝试完成这种编排吗？9.你觉得你们公司的场景适合这么做吗？10.context engineering长期记忆 短期记忆是怎么进行组织的？11.怎么保证记忆不会随着时间长期进行腐化？算法：...