腾讯 ieg 后端需要啥技术栈呢

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...

😭😭😭已经投了500份简历，一个面试也约不到啊，大佬们可以说说为什么嘛😭😭😭

Timeline3.5一面3.8 二面3.12 三面3.18 hr面4.2 offer

1.算法题，判断数组左右大小2.笔试完大概等了20多分钟吧，跳到HR和技术面试间3.英文自我介绍，只有一分钟，背了一半说好了4.英文问题(跟我看的面经完全不一样，我准备的是why want to join hsbc这种，没想到他问我汇丰曾经做了什么或文化导致我想要成为我们的一员)听了只能记得上半句，下半句忘了，让重复又忘上半句hhhhh，我是纯哑巴英语。5.HR说英语不太行，只过了4级，6级417.。。。。。但是说优点是敢说敢表达6.问一些价值观的问题7.技术官：String，Stringbuilder，StringBuffer，你用了StringBuilder，有没有更简单的？答char8....