🕐面试时间：30min❓面试问题：自我介绍拷打agent项目你如何理解mcp，mcp对function call有哪些好处mcp端有个db，你如何保证agent对mcp的调用不会对db或其他的组件造成影响，比如删除db的某些东西你对rag的了解如何对rag进行精确度的提高react范式执行，如果超出了最大步骤限制，会返回什么对第二个项目的拷打你用到了session来做登陆态的管理，为什么不用jwt，有什么考虑吗为什么要用redis和caffine的架构，对你的系统有什么好处用久了会不会出现脏数据的情况🙌面试感想：妥妥kpi了，不开摄像头，0八股，0算法，按照你的简历从头问到底，感觉差不多到...

快一个月沟通300次，要简历30次，面试三个全挂😭日常实习难度这么大吗？找实习找到道喜破碎。是我简历太烂了吗？求指教。

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...