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...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

春招约不到面试，太难受了

今天华为后端一面，记录一下，感觉和字节美团那套完全不一样。我27届，211，找暑期实习，同时在跑几家。 【最大的区别】互联网大厂（字节/美团/腾讯）：八股+算法题+系统设计，模板化，准备好模板答就行。华为这边：几乎不问八股，重点是项目。面试官会顺着你的项目往深了挖，问的是"你为什么这么设计"，而不是"背一下HashMap原理"。【具体问题】1. 你最近做的项目，介绍一下整体架构，遇到什么挑战，怎么解决的。（我说了一个用Redis做缓存的项目，面试官追问：为什么选Redis不选Memcached？缓存穿透怎么处理？这两个我答上来了，但追问很深，要真的用过才...