新凯来海硕进

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...

最近十分焦虑，本来计划找java岗的，结果现在这个时代，什么都要带上ai，本来就有一大堆java八股文没背，还要仓促的学agent，但学的都是基础呀。简历上那些都是提示词工程，让AI输出指令格式，然后程序判断，也没什么含金量。完全没有什么竞争力😭，唯一的竞争力就是实习时间可以长些吧。但我也找不到适合的学习项目，另一方面自己也比较着急。想要快点找实习。求大佬们指点一下小弟😭😭😭

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

一、核心项目深挖（一）AI Agent系统项目请详细介绍一下这个系统项目，包括项目背景、你的核心职责、落地成果。请解释系统的主从Agent架构设计，主Agent和从Agent分别承担什么职责？从Agent的数量是怎么确定的？如何解决多个从Agent重复探索的问题？请解释MCP和Tool Calling的区别是什么？Skill和固定的Workflow有什么区别？你们是怎么选择和平衡的？你们是怎么实现过往Agent经验的复用和Memory优化的？（二）Next.js电商项目请详细介绍一下这个电商项目，包括你的核心工作、遇到的技术难点和解决方案。二、前端基础能力考察请解释CSR、SSR、SSG分别是...