许愿得物OC

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...

这种实习能去吗？    

目前各个大厂都投了，就快手给面了其他都在初筛泡池子。是不是简历太不对口了。有没有大佬给看看，这么差的简历是不是不配找工作啊😭😭加更字节简历挂快手一面生死未卜其他泡池子加更3.25快手一面过wxg约面3.26wxg 很明显 kpi 面上来五道题，mid hard 都有，然后随便问点八股就走了。3.29拼多多笔试 ak携程笔试 a3.33.30美团约面快手二面4.1快手 oc字节约面腾讯约二面

家人们谁懂啊！刚实习的时候用AI Coding，差点把我坑到离职！踩了无数坑才明白，AI Coding不是万能的，用不好就是给自己挖坑，今天必须来吐槽一下新手用AI Coding最容易踩的5个大坑，再给你们对应的避坑技巧，全是我用血泪教训换回来的！先说说我最惨的一次经历：那时候刚入职，mentor让我写一个订单查询的接口，还要支持多条件筛选。我图省事，直接把需求扔给AI，AI10秒就生成了代码，我看都没看就直接上线了。结果上线当天就出问题了：用户筛选条件一多，接口直接超时，查一次要10几秒；更离谱的是，AI生成的SQL没做权限控制，普通用户能查到所有用户的订单，差点造成数据泄露！最后我连夜回公...