猿辅导意向

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...

这种要去吗？

1. 自我介绍2. 详细讲一下实习工作的内容3. 为什么一般说 RPC 性能优于 HTTP答案：严格来说，不能简单地说 RPC 一定优于 HTTP，更准确的说法是很多 RPC 框架在内部服务调用场景下通常比传统 HTTP/1.1 + 文本协议更高效。原因主要在于协议更轻、序列化更紧凑、连接复用更充分、接口定义更明确。很多 RPC 框架会使用 Protobuf 这类二进制序列化格式，相比 JSON 体积更小、解析更快；同时内部调用路径往往不需要那么多通用语义字段，报文开销更低。另外，RPC 框架通常把服务发现、负载均衡、超时控制、重试、熔断、链路追踪这些能力整合进去了，所以在工程上也更适合服务间...