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...

就这么说吧，校招本科一年打卡工资8万出头（包括公积金勉强可以说是10万），但是涨薪极慢，除非晋升中级、高级或者当领导。

那天下午，我正在排查一个线上问题。 说是排查，其实更像是在日志的海洋里大海捞针。几十个服务节点，每个节点上滚动着密密麻麻的日志，我需要从中找到某一次异常请求的完整链路。复制、粘贴、搜索、比对——机械地重复了快一个小时，我终于拼出了那条请求从入口到出口的完整路径。 "又是手动捞日志？"导师路过我工位，看了一眼屏幕。 "嗯，这次跨了六个服务，花了不少时间。"我有些不好意思。 导师没多说什么，只是笑了笑："你觉得这个过程，有没有可能做成自动化的？" 说完他就去开会了。但这句话像一颗种子，掉进了我脑子里。 那天晚上回到住处，我躺在床上翻来覆去...

周五投了 tx，部门选的任意，今天来约面电话了，结果是 wxg，还是微信支付？？纯血 C++来捞我一个纯 java 的简历？？问我接不接受转语言，我说考虑转 go 但是从来没考虑转 C++，然后还是说让我面试尝试一下？？？说面试不会考语言。面试官是个女生，口音听着像台湾那边的现在看网上 WXG 的面经已经吓哭了，不会上来就让我写四道 hard 吧，hot100 选手已投降🏳️