华为od，求捞

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0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

大二小登简历求拷打

面试官问："用户 token 应该存在哪？"很多人脱口而出：localStorage。这个回答不能说错，但远称不上好答案。一个好答案，至少要说清三件事：有哪些常见存储方式，它们的优缺点是什么为什么大部分团队会从 localStorage 迁移到 HttpOnly Cookie实际项目里怎么落地、怎么权衡「安全 vs 成本」这篇文章就从这三点展开，顺便帮你把这道高频面试题吃透。三种存储方式，一张图看懂差异前端存 token，主流就三种：localStorage能不会不推荐存敏感数据普通 Cookie能会不推荐HttpOnly Cookie不能会推荐localStorage：用...