百度24校招内推

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...

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

自我介绍快手实习是否拿到转正 offer？未转正的原因是什么？编程题 1：删除链表中重复的元素（要求处理连续重复场景）。编程题 2：用三个线程顺序循环打印 ABC（默认打印 10 次）。TCP/IP 的七层模型和四层模型分别是什么？为什么要进行分层设计？TCP 和 UDP 的区别是什么？如何确定 TCP 的唯一连接？（四元组的组成）TCP 保证数据传输可靠性的措施有哪些？TCP 拥塞控制的流程是什么？触发 TCP 快速重传的条件是什么？HTTPS 相比 HTTP 多了什么？默认端口分别是什么？HTTPS 的加密流程是什么？抓包工具如何抓取 HTTPS 加密的请求？线程池的使用场景是什么？如何配...