大厂测开和银行后端选择哪个好一点！

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...

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

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.自我介绍2.讲一讲 Java 里面的jvm内存分配，内存模型是怎么样的？3.堆里面具体又是怎么分的？4.为什么在堆上去做分代分区的模式？目的是什么？5.详细介绍一下你提到的几类垃圾回收算法。6.Java 里面多线程是怎么用的？举个具体的应用场景。7.Java 里面常用的工具线程池有哪些？8.ThreadPoolExecutor 构造函数里面有哪些核心参数？9.线程池的队列满不满是怎么判断的？10.Java 里的有界队列是用什么实现的？11.如果参数里用了无界队列，会产生什么问题？12.线程安全的产生原因是什么？请从内存分配的角度解释。13.什么是 HTTP 协议？它的主要格式（请求体 / ...