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...

锐评一下我的简历吧，投几天了都没有找到，成都双非本。

27届9本找日常实习，项目是点评和外卖boss上投同城的小作坊都没人理是因为项目老掉牙了还是怎么

1. 自我介绍2. 如何设计一个类只能在栈上创建对象答案：如果想让一个类只能在栈上创建，核心就是禁止堆分配。最常见的做法是把 operator new 和 operator delete 声明为删除，或者放到 private 里不让外部调用。这样外部就不能通过 new 在堆上申请对象了，只能直接定义局部对象。不过这种方式只能限制常规 new，如果有人用 placement new 或者其他非常规手段，还得结合接口设计一起控制。代码： #include <iostream> using namespace std; class StackOnly { public: StackOnl...