菜鸟二面出结果时间

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...

没想到挂了还有感谢信啊哈哈哈哈啊哈哈啊哈哈

一直觉得自己的样貌介于“路人”和“不算很丑”之间，也没有捣鼓自己脸和穿搭的习惯，无论面试或路演还是旅游又或者现在的上班，除了见客户会比较正式，其他时间都收拾收拾像个人算了…最近一次也是最为震撼的一次关于容貌颜值的点评，是在去年的培训；HR老大严肃地说，因为业务岗位的特殊性，他们确实会筛选掉不好看的人，商务的形象非常重要…我大为震撼，环顾一圈看着那些高学历的俊男靓女，彻底红温几乎想要原地逃跑看来面试时展现出的能力确实能弥补颜值上的不足回到正题，所以客观来说，长得好看确实能在一定程度上提高面试的通过率，因为长相过于抽象大概率一开始就被筛掉了。但是美貌+任何牌都是王炸，只有单出是死局，能力不足再好看也没用哦～提升自己长相的加分点操作有很多，不一定纯吃天赋建模，大部分人保持干净卫生就已经能拿好及格分了嗯我大学时曾经想健身变成肌肉女来加分，于是美美爽吃一学期变成死肥宅后，发现工作后完全没时间健身撸铁…

第一次见双机位，整体更像综合面和价值观沟通这场华为二面是主管面，也是综合面，最开始就先说明了这是最后一次技术相关的实际面试，时间不长，大概半小时左右。上来给我的第一感受不是“拷打技术细节”，而是更像一次比较正式的综合交流，甚至还有点管理面、主管面那种风格。比较好笑的是，这是我第一次遇到双机位的面试，仪式感直接拉满。开场还是先做自我介绍，不过这次面试官的关注点和前几轮不太一样。他没有一上来深挖具体算子怎么写，而是先听我完整讲了一遍自己的学习背景、实习经历和正在做的事情，尤其强调希望招进来的人后续能做一些“技术创新类”的工作，所以更想知道我到底做过哪些跟技术创新、性能优化、工程落地相关的内容。我这...