看到一个来自35岁80后硬件老玩家的回复。经常会在往上看到有人探讨，嵌入式有35岁危机吗？我今年正好35，曾经在一线干了单片机开发10年。前几年出来单干了，不过现在让我出去找工作，一点压力也没有。我身边有一些96后，00后的小年轻，他们普遍的想法都是：1.想加班？不可能！2.只能单休? 那我还是不干了！3.工资低？凭什么给你卖命！通过无际单片机的项目找到工作的那些小年轻，很多都是这想法。我觉得他们不是去工作，而是去整顿职场。对比我们那个年纪，伤害性不大，污辱性极强，我们这代80后挣的全TM是窝囊费。我考你一个问题：一个企业主，喜欢招一个随时可能“仗剑走天涯”的浪子，还是一个听话的小奶狗？正常的...

佬们看看这个简历可以冲大厂吗

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...