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...

26学院本，5号开始投简历，一个星期了都没面试😭，大部分要了简历就没后续了，咋办呀？

这还是🐮的，哈哈哈哈。多读书!

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...