表面：训练模型 实际：反向传播训练自己

用优质的八股文和 CSDN 文章来反向传播训练自己，用面试和刷题来调整损失函数，用实际的面试场景作为环境，用 HR 和面试官的反馈作为奖励信号，用不断尝试不同的回答策略进行探索和利用，用最终的 offer 作为强化学习的回报，持续优化自己的策略，直至收敛到最佳求职策略。