滴滴测开面经

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...

想做嵌软，佬们拷打拷打

发布时间：2017年6月 ES8 新增了异步编程的关键特性，同时完善了字符串、对象等基础能力。  1. async/await ES8 最重要的特性，让异步代码看起来像同步代码。 基本语法 async function fetchData() { let res = await fetch('/api/data'); let data = await res.json(); return data; }  工作原理  async 函数总是返回一个 Promise await 只能在 async 函数内使用 await 暂停函数执行，等待 Promise 结果  对比回调地狱和 Promise ...