华为24届校招已经启动

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...

年前一面通过，后面问是否考虑外包岗位，撤回的消息说的是“没办法，学历是硬性指标”，难绷那你面我干啥呢，浪费双方时间，你早说是外包岗我还接你面试干啥😂

一、核心项目深挖请详细介绍一下实习项目，包括项目背景、你的核心职责、落地成果。请讲一下系统的完整优化过程，包括根因定位、解决方案和最终效果。请详细介绍项目里的Memory复用机制，包括设计初衷、核心实现、存储与管理方案。你为什么选择主从多Agent架构？对比其他架构做了哪些选型取舍？这个项目目前还有哪些技术瓶颈？后续的迭代优化方向是什么？你了解哪些主流的Agent架构？请讲一下ReAct、Self-Discovery、Plan-and-Execute等架构的核心原理与适用场景。二、RAG项目深挖（电商智能导购项目）请详细介绍一下这个电商RAG智能导购项目，包括核心功能、完整实现链路、落地效果。...