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...

唉没招了，大厂全是这种吗，双飞真没机会呀！！！

1、自我介绍 2、重点说一下你是怎么一步一步去解决一个bug的 3、实习干了啥？ 4、Linux启动过程 5、Linux进程间通信 6、函数里用到一个static变量，这样的变量跟函数里的普通变量相比有什么样的特点，为什么这样的变量不会销毁 7、static变量什么时候初始化？ 8、介绍unordered_map，实际的数据类型，比如去实现一个哈希表，你会用什么样的数据类型来实现，在内存里它是怎么样去排布的，遇到哈希冲突的时候，你怎么来处理 9、介绍智能指针 10、make_share和直接new有什么区别 11、解释typedef void (*my_func)(int) 12、算法rota...