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...

秋招没有大满败，最终收到节子的offer。

211本985硕,暑期快手已经用人部门筛挂两次了😡😡实习已经改了一版了,需要写的更详细点吗😭😭😭

在现实求职中，外在形象在某些岗位上确实会带来一定优势。比如需要频繁对外沟通、代表公司形象的岗位，用人单位往往更看重整体气质与第一印象，因此长相出众的人更容易获得面试机会甚至录用。不过，这种优势通常只是“加分项”，而不是决定性因素。真正能够让人长期立足的，还是专业能力、工作态度以及持续学习的能力。如果仅依赖外表，很难在竞争激烈的环境中走得长远。所以可以承认外在带来的现实影响，但更重要的，还是不断提升自己的实力，让机会不仅因为外表而来，更因为能力而留下。