用友一面

还没收到 通知，应该寄了1. 自我介绍 / 项目介绍2. 为什么做开源社区内核开发3. Rust 相比 C++ 的优劣势4. Rust 如何保证内存安全5. Rust 与 Go / Python 的区别6. 进程、线程、协程区别7. 用户线程与内核线程调度开销大吹特吹 Ai Coding 8. 开发中怎么使用 AI，是否能辅助内核开发9. 沉淀了多少个 skill10. 这些 skill / agent 是怎么编排起来的11. AI 翻车的场景与处理方式12. AI 生成代码的可用率有多少13. 如何进一步提升 AI Coding 效率14. 哪些模型擅长什么事情15. 如果给 Cgroup ...

是简历有什么问题吗，求大佬指点要玉玉了

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...