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...

没招了，笑死了

从一月中到现在，最大的感悟是累、其次是不要怀疑自己

4、RDB AOF区别是什么5、aof写入是在命令之前，还是命令之后6、aof能保证数据的完全不丢失吗7、怎么保证aof完全的一致这里其实是一个设计，直接2pc就好了9、为什么要用C++写的Redis，不用go/Java来写呢10、go-redis存储大批量数据的时候，gc会总是扫描这种大对象，该怎么减少这种无意义的扫描呢11、缓存击穿、穿透、雪崩，怎么处理12、如何实现高可用的13、java,go的优缺点14、GMP介绍一下15、什么时候GM16、切片与数组的区别17、切片作为形参的时候，在方法内部修改会不会影响外部18、如果只是append，会影响外部的呢19、map的底层结构20、1.2...