春招 小米内推码：AK3HSHU

4.14 阿里一面拷打实习经历拷打agent项目一道ai codingcoding时面试官问了手里有没有其他offer、为什么选阿里、又交流了一下比较ai发展的前沿反问4.16收到二面邀请面试官人很好，很随和感觉自己还是没适应面试，比如被打断之后思路就比较迟钝了，说不明白，感觉需要多训练沟通#牛客AI配图神器#

java岗位300沟通0回复，然后改成纯golang的简历了。几十个沟通8个要了简历，只有一家山东的公司给了面试。大部分投的都是成都的，但是最后回复的基本都是外地的，是我简历写的有问题，还是说成都28届就是这样的。

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...