thoughtworks远程面试测评

学历双非，在校期间以大学生电子设计大赛和RoboMaster为主力赛事学习嵌入式方面的技术。大二升大三更想参与到产品开发的一线，于是以半离队的状态在外参加实习。各大公司陆续开始秋招，在此记录自己面试的经历，在自己学习复查的同时，也希望能帮到同期的朋友们面试经历_015月份其实是个蛮尴尬的时间，大厂的暑期实习基本已经结束，秋招其实也没有正式开始。大部分公司留出的岗位都要求尽快入职（例如云鲸智能，智元科技等），但大部分26届选手实习到岗最快也得6月中旬期末考试结束，毕竟不能因为实习丢掉毕业证，那就舍本逐末了。五一假期结束后，开始陆续投递简历，截止5月10日，面试有两个，都是处于B轮融资左右的小厂，...

不过大厂的面试确实比小厂能学到更多

昨天晚上妈妈突然告诉我，一个在科大毕业每几年的亲戚去世了，才三十不到。突然间我躺在床上，感觉自己对未来的焦虑、烦恼，似乎在生命之重面前成了一片微不足道的叶。昨天我的女朋友送了我一个噜噜的玩偶，我把它放在床上陪着我睡觉。我突然想到，如果有一天我生了一场大病，躺在床上，无法健身，无法学习，无法和我爱的人一起散步，吃饭，做最平常的事情，这有多么可怕啊？我们现在活着，爱着，在努力地往前走，这就是最伟大的财富了。

1. 大语言模型的 RLHF 训练流程是什么，它存在哪些潜在风险RLHF 一般分三步。第一步是 SFT，用高质量指令数据把基座模型调成能听懂任务、按格式回答的模型。第二步是训练奖励模型，把人工偏好数据整理成 chosen 和 rejected 形式，让奖励模型学会判断两个回答哪个更好。第三步是强化学习优化，最经典的是 PPO，让当前策略在奖励更高的方向上更新，同时用 KL 约束避免模型偏离初始策略太远。它的风险主要在三个地方。第一，奖励模型可能学偏，模型最后学到的是“讨好奖励模型”而不是真正更有帮助。第二，强化学习阶段如果约束不够，模型容易出现 reward hacking，看起来分数高，但真...