秋招跑了小半年，我算是看透了，现在的招聘，明面上的JD写得比唱的还好听，什么“本科及以上”“男女不限”“能力优先”，背地里全是隐形歧视，条条框框能给你列几十条，你连怎么死的都不知道！今天必须把这些上不了台面的隐形歧视全扒出来，看看你们有没有遇到过同款离谱操作！1. 学历歧视：JD写着本科及以上，实则双非直接进垃圾桶这是最常见、最离谱的隐形歧视，没有之一。JD上明明白白写着“本科及以上学历，计算机相关专业”，结果呢？人家的系统直接给你分三六九等：985先看，211备选，双非直接扔垃圾桶，专升本、民办本科更是连HR的眼都入不了。我双非本科，秋招海投了上百家，80%都是已读不回，内推的学长跟我说，很...

🐭🐭是学院本，没有实习过😭3.2号更新一波简历，目前已经有一家进二面了，一面线上面被拷打了一个多小时，后面和负责人开始聊天。😭

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...