选择题考了很多机器学习,深度学习模型训练有关的东西，没学过没啥头绪编程题第一题给一个长度为n的数组nums对其中的任意一个元素进行两种操作,每个元素最多可以被操作1一次和操作2一次,可以不操作操作1 将其/2并向下取整操作2 减去一个数字k(非负) 操作1可以进行a次，操作2可以进行b次 (a,b均小于n) 求经过操作后，可以得到的最小数组和 思路：先将数组排序，从最大的非负元素开始进行操作1，然后累加结果-b*k即可，注意开Long否则会溢出 时间复杂度： 通过90%样例第二题 class Solution { public long maxAlternatingSum(int[] nums...

双非一本，八股刚开始，这个简历能找到实习吗。。。

原来就算签了协议也是可以提前走的吗，有无有经验的前辈说说是真的吗

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...