offer选择

岗位：客户端开发timeline3.4 简历给到猎头3.9 一面 3.11 二面3.13 面委笔试3.18 三场面委面，早中晚各一场前两场面委面聊的很好，被最后一个面委面试官一票否决一面1.深入讲讲工作项目中遇到的挑战和解决办法2.性能优化问题的解决思路3.在做方案设计的时候怎么做好可维护性，比如从设计模式出发4.常规八股 线程和协程的区别，协程的底层实现原理 TCP的流量控制和拥塞避免5.一道算法题 能被三整除的最大和二面1.分享一下在工作中遇到的难题2.深挖工作项目中的技术原理3.mac上对客户端进程的权限管理，内核事件的安全性如何保证4.两道算法题: 把中文数字转换为int; 给定字符串...

其实是简历求拷打 各位佬尽情拷打吧

双非本科，靠着字节、百度、蔚来三段实习一路撑到春招，到现在才真正认清现实。一封封感谢信砸过来，慢慢明白，学历和学校带来的门槛，远比几段光鲜实习要重得多。最让人无力的，莫过于拼尽全力刷实习、攒经历，最后却连一个入场机会都换不来，那种落差感真的太磨人。总自以为是地觉得，有大厂实习就够了，一定能挤进心仪的公司，可现实一次又一次把幻想击碎。现在的我，早已没了春招初期的锐气，只剩下满心的迷茫和惆怅。不知道是该坦然接受现实，还是继续抱着不切实际的期待，在大厂的梦里不肯醒。

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...