京东真是很神奇的一家公司，面试完全不考算法，二面来了俩面试官，面完才知道是二面技术面和三面HR面一起面了，一会问八股一会问性格，4.17收到offer，最后决定去京东了HR：请做一个自我介绍为什么选择直接就业而不是考研？你对未来的职业规划是怎样的？为了转向全栈方向，你做了哪些准备？在本科期间你重点学习了哪些技术？是如何学习的？你的项目经历是否有实际落地或应用场景？请介绍一下你的 AI 智能问答助手项目这个 AI 项目是从 0 到 1 开发的吗？整体架构是怎样的？你在项目中是如何使用 AI 辅助开发的？使用 AI 编程工具时有哪些不足或风险？如何避免？技术：多模态能力在你的项目中是如何应用的？M...

这种要去吗？

有没有大佬给点建议

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...