选地点

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...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

简历如下 大家觉得有机会冲一下暑期offer吗，目前还没有面试经验，项目做的很水，还没开始背八股😅

一分钟能问两个题，八股狂轰滥炸，加粗是没答上来的自我介绍，优势介绍实习项目、底层框架JS 和 TS 区别JS 基本数据类型有哪些如何判断一个值是什么类型箭头函数的特点new 运算符干了什么闭包作用域作用域链（这个不知道，但是作为替代被要求说了原型链）事件循环机制（说了微任务宏任务）微任务宏任务区别用过的 React hook（state ref effect）React 不同组件怎么通信（状态提级声明并透传/外部状态管理器）组件中 data 为什么是一个函数（这是啥玩意啊事后我搜也搜不到啊）用没用过 Vue（说简历是 Vue 写的，那算了不问了）介绍节流和防抖的区别使用节流和防抖要注意什么（没...