携程 进度

背景：本人24届，一战考研失败，毕业后参加考公最终下岸，本科就读双非目标院校，专业是网络工程，计算机专业方面的课程都学过，但是无实习经历无工作经验。在考公下岸后，我大概花了两个星期复习了C++，接着由花了两个星期刷完了力扣hot100的题目。在这之后，我联系到了栗栗姐，随即开始准备笔试和面试。 机考：花了两个多星期刷题，题库大概刷了100多道吧。机试前最好熟悉ACM的输入输出模式，如果只用过力扣的核心代码模式还是比较吃力的。精准核酸检测(100)图搜/BFS贪心的商人(100)贪心算法，参考力扣的122题简单的解压缩算法(200)字符串处理/栈综测：往积极乐观的方面选就行了，注意前后一致。 资...

我现在这个水平大概能拿到多少薪资的offer😂

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

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...