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...

今天早上刷到刚开的职位 立刻投了 晚上一看岗位关闭了 这是直接招到了吗 😱

1. 什么是 LangChain？LangChain 是一套面向大模型应用开发的框架，核心目标不是替代模型本身，而是把模型、提示词、检索、工具调用、记忆、链式编排这些能力串起来，方便做复杂应用。它更像是“应用层基础设施”，把原本散落在 prompt、API 调用、向量库、工具调度里的逻辑统一起来。2. LangChain 包含哪些核心概念？LangChain 里比较核心的概念主要包括 Chains、Components、Prompt Templates、Example Selectors、Output Parsers、Indexes、Retrievers、ChatMessageHistory、...