许愿oc

全文约 8000 字 | 预计阅读 15 分钟 | 建议收藏慢慢看目录春招流程总览我的春招数据复盘笔试题型汇总后端开发面试高频题Agent / AI 方向面试高频题手撕代码题汇总AI 画像 & 开放性问题HR 面 & 谈薪高频题这轮春招教会我的事前言先说起点26 届，浙大软件硕士，秋招因为自身原因没参加，春招从零开始。目标岗位是后端开发 + Agent 应用开发两条腿走路。2 月底才开始投简历，手里没有任何 Offer 保底。再说终点投了 36 家公司，前后经历了 40 多场面试和对话，拿到了 5+ 个 Offer。最终去的方向是 Agent 开发——听起来挺酷，但本质还是开发...

如题，本人双非学院本，大一大二的时候主要在打ACM。但是怕只打ACM找不到工作，大二也开始学开发。大三上边实习还边打比赛，但是圆梦ACM亚洲区域赛金牌了。然后我信息差比较封闭，加上前面打比赛也没什么时间。所以项目就是一个练手项目，想写技术亮点都不知道写啥。后面也没时间做一个新项目。实习也是初创公司。感觉项目经历和实习经历都拉完了。然后也是寒假才了解到暑期实习，然后花了一两周从零开始背八股，刷面经。然后面了腾讯WXG还是有些八股遗漏了，还有被吐槽项目没深度，一面直接挂了。现在感觉好焦虑，感觉ACM金牌好像作用并不大。不知道还能不能找大厂暑期，不行的话要先找中小厂沉淀吗，或者加急一个星期赶出个比较好的Agent项目然后继续投，还是说不如直接去信奥赛教培行业了。考研走算法岗的路线就算了，偏科太严重了也不擅长考试。好迷茫啊，感觉卷不动了。

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...