介绍论文背景、方法、创新点和输入输出。

介绍第一篇论文，reward model怎么设计。

介绍第二篇论文

介绍第一篇论文，介绍背景和方法

介绍第一篇论文，中途打断，说不了解你们这个领域，针对强化学习的底层设计，怎么去设计的，强化学习能解决什么问题，强化学习每一轮用的数据是多少，模型用的多大的，用小模型做强化学习效果会好吗，实验室里有多少张卡，训练的时候都用了几张。

共享屏幕介绍论文，面试官听不懂，打开word讲述，问论文的创新点，输入输出是什么。