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...

绷不住了

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

本篇为学员投稿，二面已拿到 offer！，分享出来给大家参考。二面和一面完全不是一个风格。一面考的是你会不会，二面考的是你能不能用、能不能想。面试官是组内 tech lead，开场先聊了十分钟竞赛经历，问得很细，不是走过场，是真的在看你解决问题的思路。然后顺着项目一路追问，每个技术选型都要说清楚为什么，有没有考虑过其他方案。后半段聊到了 AI 对嵌入式行业的影响，这个问题很开放，没有标准答案，面试官更想看你有没有自己的判断。整体氛围比一面轻松，但对思维深度要求更高，背八股没用，要真的思考过。1. 自我介绍 + 竞赛经历深挖面试官让我介绍了一下参加过的竞赛，然后开始追问："你在比赛里遇...