现状：已拿到一个腾讯云测开的暑期实习。想问一下大家，是老实测开，还是再冲一冲后端开发。不知道测开实习对后面找秋招后端开发是否有帮助？现在比较迷茫，本来是打算拿测开当保底冲后端的。

想当鹅孝女呜呜附tl：3.20 一面+二面3.23 三面3.24 显示hr面3.26 晚上收到hr面试 第二天面3.27 面完hr 7min hr很忙然后面完界面还停在链接3.30 云证 但是还是显示hr面3.31 录用评估中

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...