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...

比预想中晚了一周，时间过得真快啊，感觉越学越多，目前这版简历下周直接开投了，两个项目都是自己用AI敲的，欢迎各位继续拷打，也是在共同交流学习吧。目前可以说出项目架构业务，自己亮点设计的一些思考，技术实现以及技术选型原因，量化指标也准备了一套说辞，但深挖代码估计就寄了；八股过了一遍，属于基本能说点原理理解，但深挖细节估计也寄了；算法简单了解一些整体思路，但手撕估计也寄了；AI可以吹下项目相关的工程实现和一些技术选型，但深挖技术肯定就寄了。总之，基于自身学习状态考量，先投些小厂继续学吧。有道是：“人生南北多歧路，一处春山一路平。”

背景由于所在的外企撤出中国，我再次开始了面试之旅。这次我没有选择大厂和小公司，而是主要聚焦在外企和中厂。经过一段时间的面试，我发现 2026 年的前端面试已经发生了显著的变化，特别是 AI 相关的内容占比大幅提升。面试内容分布根据我的面试经历，2026 年前端面试的内容分布大致如下（本人接近十年工作经验，仅供参考）：coding 20% （LeetCode 算法题和手写代码各一半吧）八股文：20%（主要是 React Fiber 等核心原理）项目经历：30%系统设计：10%（如设计一个支付页面）AI相关问题：20%（这是 2026 年的新重点）可以看到，相比几年前，AI 相关的内容已经成为面试...