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...

过了，云智真tm香啊。😜

本2硕9，力扣是没刷完的，八股是没背完的，准备先投中小厂练练手，逼自己先面试找找感觉。大厂到底什么时候才配投啊，看了面经能掰扯的最多才一半

网上类似的源码长文不少，我最近也在写 React 源码。作者往往写得尽兴、覆盖面也广，读者却不一定对得上自己的节奏：你想抠的那一点未必落在文章的主线上，而仓库一直在演进，成稿稍一搁置，对照现版就容易对不上号。也正因如此，很多同学更倾向于亲自读源码。带着问题找答案，节奏和技术栈都更贴自己。这篇想分享的是读大型前端开源项目（例如 React、Vue、Webpack、Babel）源码时怎么切入、怎么少迷路。目标很简单：授人以渔，让你在遇到新机制、底层实现或 Bug 时，能自己钻进去看清楚。为什么读源码要先有问题读之前先想清楚：为什么要打开仓库？我的看法是，首要目的是解决实际问题。没有目标地&quot...