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...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

27届双非本计算机专业，感觉前后端挤满了人 ，于是转AI产品经理 ，学习相关知识 ，做项目改简历，但是投了半个月简历，打招呼了1k➕，只有3个约我面试，还都是那种0-20人的公司，我感觉有点不靠谱，我觉得怎么也得是中厂啊…是简历有问题吗，求指点，还是现阶段没实习没学历的我只能先去这种公司

投的是联想的 C++ 软件开发岗，一面是视频面试，面试官看起来是个技术 lead，全程很平和，没有刁难的感觉，但问题一个接一个，基本没有冷场的时间。整体考察方向偏基础扎实度，C++ 语言特性问得比较细，也有一道设计题和一道手撕。项目部分聊了大概十分钟，他主要关注你在项目里遇到了什么问题、怎么解决的，不太关心项目本身做了什么。总时长约六十分钟，体验不错，面试官会给你思考时间，答不上来他也会给提示。1. new 和 malloc 的区别是什么？placement new 是什么，什么时候会用到？答：malloc 是 C 标准库函数，只负责分配一块指定大小的原始内存，返回 void*，不做任何初始化...