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...

boss150次都投完了也没约面

rt，八股算法实习一下什么都忘了，有点紧张啊预计3.25才开始投递，会不会太晚了

作为后端开发实习生，从最开始瞎用AI踩坑，到现在每天高频使用AI，把工作效率提升了3倍，我深刻明白：用AI的次数多不厉害，把AI用在刀刃上，真正帮自己减负、提效、成长，才是核心。先说说我一天的AI使用频率和场景，不算生活里的琐事，纯工作场景，一天就会用AI20次左右，主要集中在这几个模块，也是我总结出来的，职场人用AI最高效的几个方向：一、核心工作提效：用AI做“重复劳动的替身”，把精力留给核心思考这是我用AI最多的场景，占了一天使用次数的60%，核心原则是：所有标准化、重复性、低思考成本的工作，全交给AI。代码开发辅助：这是每天用得最多的。基础的CRUD接口、工具类、通用函数、单元测试、代码...