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...

25届本科生，简历写成这样可以吗，毕业回家了过完年来找工作，很迷茫，不知道投什么岗写项目完全离不开ai，就是投小厂开发岗也感觉过不去面试

春节后投实习和校招到现在0面试，boss全是已读不回。鼠鼠是农林类垃圾二本的26届计科专业。是项目和实习太烂了吗，牛友们大佬指点下

面试1h，内容如下：1.介绍一下agent项目，流程是怎么样的，详细展开说说。讲完之后开始八股：2.hashmap线程安全吗，高并发会有什么问题？你会怎么解决3.syn锁和re锁的区别？4.循环依赖怎么解决 ，具体介绍流程5.还有些忘了....都是很简单的八股。（叫我共享屏幕，说反作弊。可能觉得我讲太快了）算法题：LRU缓存+ttl+解决高并发+限流（5秒内用户只能请求10次这样）。可以口述思路，可以写代码，LRU+TTL我默写了，后面两个直接说思路。今天不知道为什么，在反问环节都是hr在一直输出，感觉我才是hr哈哈哈....反问的话就问3个方面：1.用友下一步的发展方向，是否往ai靠？2.薪...