超聚变实习体验好么?

春招进行中，个别公司正在偷偷裁员。B站、汇丰、网易广州互娱产研外包、小鹏、海康威视……微博热搜挂着的这些公司，都陷入裁员的舆论中。网传B站直接裁了60%，也许有夸张，但大概不是空穴来风。 整的我也很焦虑。本来秋招签了家SaaS公司的offer，以为写完论文就能躺了，最近也一直在纠结，万一智能体继续这么爆，这家公司的业务被冲垮了，会不会毁约？ 雪上加霜的是，正好又刷到了Anthropic的一篇研究报告，讨论了AI对就业市场的冲击。报告提出了"暴露度"这个概念，结合平台真实使用数据，看AI现在实际正在处理哪些工作任务，以及占这个职业总任务量的比例。（虽然这是美国数据，但趋势大概...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

遇到一个民科乐子，最难绷的一集。

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...