字节内推（组内直推

🕐投递时间：3.22一面🕐面试时间：3.31❓面试问题：自我介绍项目的来源我看你的项目有些全栈居多，你是后端也有学吗前端职业规划如果要你设计一个图片拖拽，你会如何考虑纯js如何实现css如何设计还有什么优化的点聊项目 AI Chat，介绍一下它的开发背景，实现的程度如何有无调研过市面上主流的打字机输出的原理流式输出SSE的原理前端如何流式响应vue的nextTick的作用用了什么第三方服务，对比一下百度文心一言api与千问qwen与市面上投入使用的相比还有哪些不足IndexDB 与localstorage如何选型，有什么区别反问：部门业务 您觉得在工作中较为出色的同事有什么共同特质吗二面面...

投了很多，一直没能进面

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

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...