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...

最近才准备开始投，没实习，八股只看了一点点形势有点严峻😇

目标后端

📍面试公司：腾讯💻面试岗位：WXG-技术架构团队⏰面试时长：2h❓面试问题：0.业务介绍1.自我介绍————————————————面试官听完自我介绍，嗯嗯了几声，然后淡淡的说：我们先代码考核一下吧，之前的邮件收到了吧（是的，在面试前，这个面试官还发了一封邮件，邮件里面说会先进行1h的代码考核）。然后他发了个腾讯文档给我。💻代码考核：一共5道题。其中，第一第二道题算是leetcode中等题难度。有点模糊了。———题目————————1.2.最长回文子串3.实现开方（要考虑MOD取模）4.图论+树：强度上来了。（需要两次dfs，我所想的方法）5.开放题，也是AI coding。设计一个Th...