快手数分春招

面试岗位：golong开发工程师，部门：AI数据及云原生架构中心3.27 一面 50min1.问实习2.go相关八股3.手撕：回文子串数、mysql题4.反问4.3 二面 40min1.手撕多线程问题2.实习经历3.反问面完二面后一周没动静，上周五晚上一看直接显示挂了面完一面这个岗位就下架了，估计是没hc了吧

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...

问面试官表现，说还好，结果1h后直接挂啊，呜呜呜

有滴滴26届校招生群吗，base杭州