坐标北京，25届应届硕。上周三下午，HR找我谈话，理由很官方：“业务架构调整”。那一刻，看着手里还没过试用期的工牌，心态彻底崩了。但崩溃只持续了半小时。因为我知道，现在不是矫情的时候，秋招补录和春招的窗口期就在眼前，再拖下去，应届生身份就要作废了。当晚我复盘了之前的求职经历，发现一个致命问题：我的简历，根本不是在求职，而是在“乞讨”。之前的简历，我恨不得把大学拿过的奖学金、做过的社团、甚至兼职发传单都写上去，生怕HR觉得我履历空白。结果呢？投递50+，面试0。痛定思痛，我花了3天时间，彻底重构了我的简历逻辑。结果惊人：修改后的简历投递出去，3天内收到了5个面试邀请，其中2个还是大厂。今天就把我...

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

秋招没有大满败，最终收到节子的offer。

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...