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...

26学院本太难了，很多公司机筛就给我刷了。机会都难拿到如果是简历存在问题也欢迎拷打————————————————————分割线——————————————————————2026.3.4更新：发完贴之后，时不时投递又收到了不少的笔试/面试邀请。主要是之前投递简历出去之后基本上都是沉默状态，年后好转了不少timeline：2026.01.21 文远知行笔试，半年多没刷算法题 ->挂 (后续HR说春招可以重新安排笔试)2026.2.4     小鹏汇天 技术一面，第二周收到结果 ->挂2026.2.12   大众Cariad代招 技术二面 ->Offer2026.2.28   多益网络技术面试，由于风评太差，一直在犹豫要不要接面试 ->推迟-----------分割线-----------2026.3 月前的某一天，临时去电网报名了二批计算机岗位的笔试2026.3.6 从上家公司实习离职，氛围最好的一家公司，leader 说可以帮忙转正，但是流程太长，而且我们部门据说只有一个 hc，更想要研究生，我很有可能是会被签外包公司在这里干活，就离职了。2026.3.9 入职新公司，大众Cariad 以外部公司的身份进组，项目组签了三年，后续三年应该都可以在这里呆，不知道有没有希望原地跳槽。2026.3.10 电网考试居然说我通过资格审查了，短信约我去参加资格审查，请假一天，买了 12 号晚上的机票回成都2026.3.15 参加国家电网计算机类笔试2026.3.17 电网出成绩了，感觉很低。觉得已经🈚️了2026.3.18 收到电网面试通知，通知 3.22-3.25 这个时间去面试，我的岗位只招 1 个人。据说面试只有 2-3 人，不知道能不能成功----------分割线-----------2026.3.21 电网面试结束，感觉回答的还勉勉强强，大概是2个岗位分别招1个人，一共11人面试，实际来了9人2026.3.27 出面试成绩，满分100分，早上10:20左右发现面试成绩46，我震惊了，没截图，后面过了十分钟重新看发现面试成绩给我改成58了。但同样震惊。朋友问我是不是把面试官打了，哈哈

昨天面试官打电话来说有事情，晚点发个邮件调整一下时间，结果今天显示流程结束了，要发一封邮件问问吗

1. 介绍下你实习学了什么 做过什么项目,为什么离职的2. MoE 为什么能在参数量很大的情况下还能把训练和推理成本压住，真正难点在哪MoE 的关键不是“参数变多了”，而是“每个 token 只激活一部分参数”。也就是说总参数量可以做得很大，但单次前向只走少数几个 expert，所以理论上计算量不会随着总参数线性增长。这个思路在大模型里很有吸引力，因为可以同时兼顾容量和成本。但真正难的地方是路由和负载均衡。路由器如果只偏爱少数 expert，训练会很不稳定，热门 expert 被打爆，冷门 expert 学不到东西。另一个难点是通信开销，尤其多机训练时，token dispatch 和 gat...