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...

还有一些简历挂的没放出来鼠鼠我太菜了

求大家看看这份简历有啥缺点。boss好多已读不回的我已经麻木了，大家嘴毒一点指出来没关系的

我现在研二下想找实习，但是对于方向并不确定，本科专业是电子信息，硕士专业是电磁场与天线技术，研究方向天线与AI交叉方向，两边都学不精，但决心不读博想工作，应该找天线方向还是AI方向。基本信息：研二下，本科211，硕士985。本科做过大创项目（CV方向），参加过数学建模比赛，拿过国家奖学金和学业奖学金，本硕都有学生工作经验。硕士期间目前有一篇会议论文（天线方向）。根据以往学长学姐的经验，天线方向工作似乎并不好找。但我本硕都不是计算机专业，导致不是科班出身，同时现在的大模型是否也对ai行业有所冲击，这些我都了解甚浅，道听途说也终归不懂行情。我也想不断磨练自己，原本读研就是想进一步磨练增长本事，但结...