1. 先做一个自我介绍吧，重点讲讲你的学校经历、实习经历，以及你认为最能体现你能力的一段经历参考答案：我会先简要介绍自己的专业背景、技术方向和目前主要在做的事情。然后重点讲学校里做过的项目、竞赛或者实验室经历，说明自己不是只停留在课程层面。如果有实习经历，我会突出实习中接触到的真实业务场景和我承担的具体工作。我会挑一段最能体现自己能力的经历展开，比如独立完成模块开发、定位复杂问题或者推动优化落地。表达时会尽量讲“我做了什么、为什么这么做、结果怎么样”。最后会把这些经历和嵌入式岗位要求关联起来，体现匹配度。2. 你之前的实习主要做了什么？有没有一件事情是你从不会到能独立负责的？参考答案：我会先介...

这个世界太疯狂了

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...