感觉面完人都通透了，还是太菜了，下去沉淀一下1. 序列推荐的数据集是什么？2. 是否实现过Word2Vec，Word2Vec是针对什么优化的？3. 了解哪些困难负采样方式？4.  FAISS有了解哪些具体的方法？FAISS有哪几种组合方式？哪种方式最快？5. 抽样是样本粒度的还是特征粒度的？6. 了解哪些精排相关的模型？7. 召回和精排有哪些区别？8. 长序列建模了解哪些模型？手撕：1.23. 合并K个升序链表（Hot100）

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...

全员沉淀skill，包括行政和研发，目的是提高组织整体效率（具体怎么提高由hr部门牵头），之前我以为只是一个梗，直到老板在周会上强调。。。危矣！

直播间连麦遇到一位女学员声音都委屈得快哭了要做跨表数据匹配以前用 VLOOKUP 一直顺顺利利这次怎么都匹配不出来翻了无数教程视频逐字核对函数、一遍遍检查数据明明看着都没问题结果就是死活出不来她无奈又心酸地说“孩子哭闹我都知道怎么哄这破数据我是真一点办法没有”后来我帮她一看问题根本不在函数而是单元格里藏着看不见的空格和格式差异肉眼一模一样，实际天差地别几秒钟处理干净，瞬间就跑通了真的太戳心了很多时候我们不是不努力只是被那些隐形的细节绊住脚拼尽全力却看不到结果这种无力感真的太磨人选对方法、找对人点拨真的比独自死磕有用太多✨