🙌面试感想：面试官人很好 1.自我介绍+项目2.Go数组和切片区别3.Go map并发4.Go指针和c++指针区别5.Go零值和nil区别6.Go csp7. Go GC8.Go排查内存泄露方法9.Mysql隔离级别10.读未提交使用场景11.Mysql死锁场景12.SQL注入13.Redis和mysql数据一致性方案14.什么样的代码是好代码？

是我简历太单薄了吗，我投的都是小厂，想先过渡一下的想过自己很菜，没想到这么菜

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...