选择

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...

目前我遇到的ai面除了美团和北森云之外，都是问些结构化的问题，问如何处理人际交往，校园经历，只有美团是考八股的，而且运气不好的话会抽到比较偏的八股，北森云则是会有英文问答。

🕐投递时间：2026.3.05一面🕐面试时间：3.11❓面试问题：（不要按简历自我介绍了，直接回答）对新闻部门有什么了解，用过哪些新闻app，有什么看法，除了简历上的技术栈还有额外的技术栈吗共享屏幕看看项目，你介绍一下你这个简历上说页面加载速度提升25%，可视化模块交互流畅度达95%以上，怎么得到的高效解决30+业务bug，如何做到这么高效插件长期运行内存用量降低30%，怎么降低的你说用pinia，但是也有用vuex，用pinia是出于学习目的还是有其他考量前端学习路线，项目是25年的，vue3已经普及为什么选择先学vue2vue2和vue3的区别前端频繁DOM更新易引发性能问题且需 兼顾...

我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？