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...

刚刚丢了简历过去tx提前批，燃尽了😓感觉这年头保研考研考公都难。今晚海投看看能不能刷点经验，八股一点没看。冲冲冲。

这几天疯狂在boss直聘和应届生上投简历，结果一个回复都没得，是不是简历有啥问题😭，主要投的都是产品岗，求友友们帮忙看看

第一层：幼儿园阶段 —— 为什么要有 Event Loop？首先要明白一个铁律：JavaScript 在浏览器中是单线程的。想象一下：你是一家餐厅唯一的厨师（主线程）。客人点了一份炒饭（同步代码），你马上炒。客人点了一份需要炖3小时的汤（耗时任务，如网络请求、定时器）。如果你只有这一个线程，还要死等汤炖好才能炒下一个菜，那餐厅早就倒闭了（页面卡死）。所以，浏览器给你配了几个服务员（Web APIs，如定时器模块、网络模块）。厨师（主线程） ：只负责炒菜（执行 JS 代码）。服务员（Web APIs） ：负责看火炖汤（计时、HTTP请求）。汤好了，服务员把“汤好了”这个纸条贴在厨房的**任务板（...