全篇不会教你怎么去给Agent创建Skill，而是教会你什么是好的Skill、坏的Skill以及究其原因。什么是Agent Skill一个根本性的误解大多数人听到“Agent Skill”，首先想的是：教会AI去做某件事情但是你有没有想过，现在的大模型已经不知道喂了多少东西了，像维基百科、Word问单号、github代码仓这些，都不需要你教给大模型那么Skill到底是个什么？Skill是知识的外化机制从作用机制上来说，Skill其实教会模型怎么去做？传统AI，知识都被锁在了模型参数当中，你如果像给模型去塞一些新的技能？怎么做？ 传统方式： 收集数据 → 设置 GPU 集群 → 参数训练 → 部...

想当鹅孝女呜呜附tl：3.20 一面+二面3.23 三面3.24 显示hr面3.26 晚上收到hr面试 第二天面3.27 面完hr 7min hr很忙然后面完界面还停在链接3.30 云证 但是还是显示hr面3.31 录用评估中

大四上学期在某厂实习了三个月，说说真实感受吧。进去之前幻想的是参与核心项目、接触前沿技术。实际上每天就是写一些边角需求，改改前人的代码，开不完的会。mentor人挺好但也很忙，大部分时间还是自己摸索。最大的感触是：大厂没有想象中那么光鲜。工位很挤，实习生能接触到的东西真的有限，很多核心代码权限都没有。现在春招我反而没那么执着大厂了，更看重具体做什么、团队氛围怎么样。实习过一次之后你就会发现，公司名字真的只是个壳子，每天干的活才是实实在在的。

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...