很简单的一面，速通了，当天约二面简历里提到了三套可替换的登录逻辑（单JWT、JWT+Redis、Session+Redis），为什么要去做这三套？你的考虑或者想法是什么？如果项目中依赖的 Redis 宕机了，这几种登录方式你是怎么考虑应对的？有什么备用方案吗？简历中提到秒杀有同步和异步两种方案，能具体说说你对这两种秒杀方案的思路和整个想法吗？简历中写到了布隆过滤器，并且单独提到了一个“1.82%”的拦截率数字，请问这个数字是你实际测试出来的吗？手撕：lc1291 顺次数

为什么找不到好一点实习哇，可以帮我看看我的简历有没有问题吗？

要招就招，每次一脚踢开，挂完一两小时后 发面试邀请，我又乖乖接受 还有机会吗

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...