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...

不知道过两年会变成啥样…   

近年来，“Vibe Coding”这一概念在开发者社区中开始流行。它主张以轻松、即兴、灵感驱动的方式进行编程，而不是严格遵循传统规范和流程。它强调快速原型、即时反馈和创造力输出，尤其在前端和产品原型领域受到年轻开发者的追捧。与此同时，随着 AI 编程助手、低代码/无代码工具 的迅速发展，一些人开始担忧：初级程序员的岗位会不会被这种新模式干掉？一、Vibe Coding 的特点快速原型 强调“能跑起来就行”，优先验证想法，而非写出完美代码。协作驱动 通过 Pair Programming、团队即兴讨论完成代码输出。工具依赖 依赖自动化与生成工具（如 AI 助手、模板、代码片段库）。学习曲线低 初...