现在进度黑马点评一半，后续学那个 cloud

一、 认知重构：简历不是“档案”，而是“产品说明书”很多人写简历像是在填档案：“我叫什么、我会什么、我做过什么”。这是典型的“工程师思维”，只顾输出，不顾接收。在产品和面试官的眼里，简历的本质是什么？是一个 “价值交付物” 。HR看简历的平均时长只有6秒，这6秒里，她只关心一个核心问题：这个人来了能不能帮我解决问题？高手的结构应该是：定位（你是谁）→ 代表作（解决过什么难事）→ 信任状（凭什么证明你行）。所以，不要再把“技术栈”放在最前面了。没有人关心你会多少工具，他们只关心你用这些工具创造了什么价值。普通结构： 基本信息 → 教育背景 → 技能树（罗列20个技术名词） → 工作经历爆款结构：...

这些题刷完能不能拿五千一个月

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...