58同城评价

面试官说八股招过来的存在能力不足的现象，此次面试以项目面为主，加粗的是我没准备好怎么回答合适的自我介绍，提到实习带来的成长介绍公式编辑器的动机、调研、技术栈的确定、数据结构设计、渲染器设计有没有想过优化构建速度（这个真没有）；继续介绍数据结构的扩展问题、可扩展导出逻辑带入变量值、给出计算结果（我觉得这个需求不是一个公式编辑器该做的）；内置公式模板（这个难度不高）；看目录结构设计、对 Taro API 的跨端封装、配置文件；代码生成脚本日志记录器需求、展示已经存储的字段；打开 UI长列表有没有做性能优化（这个 Flutter 内置）；让你做一个原生性能优化怎么做（提出一个分 chunk 请求与加...

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...