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...

大二小登简历求拷打

原本想以为实习经历就更好找正式了，但是恰恰相反，在boss上面，石沉大海，要么是实习转正，要么必须线下面试，我真没招了，准备跳楼了

逛牛客这么久，发现一个很有意思的现象：很多人把大厂当成“求职天花板”，拼尽全力投递、面试，哪怕拿到offer，也有不少人干了3个月就裸辞，吐槽“大厂节奏快到窒息”“内耗严重”“自己根本不适应”。 其实大厂从来不是“适合所有人的避风港”，它有清晰的优势——完善的体系、优质的资源、可观的薪资、清晰的成长路径，但也有不可忽视的压力——高强度加班、严格的KPI、复杂的协作流程、激烈的竞争。 与其盲目跟风冲大厂，不如先看清自己：你到底适不适合大厂？结合身边上岸大厂的朋友经历+牛友高频分享，总结出4类最适合大厂的人，对照看看，你是不是其中之一～ 一、目标明确，能接受“高压换成长”的人 大厂最不缺“努力的人...