快手hr 失联了

本篇为学员投稿，二面已拿到 offer！，分享出来给大家参考。二面和一面完全不是一个风格。一面考的是你会不会，二面考的是你能不能用、能不能想。面试官是组内 tech lead，开场先聊了十分钟竞赛经历，问得很细，不是走过场，是真的在看你解决问题的思路。然后顺着项目一路追问，每个技术选型都要说清楚为什么，有没有考虑过其他方案。后半段聊到了 AI 对嵌入式行业的影响，这个问题很开放，没有标准答案，面试官更想看你有没有自己的判断。整体氛围比一面轻松，但对思维深度要求更高，背八股没用，要真的思考过。1. 自我介绍 + 竞赛经历深挖面试官让我介绍了一下参加过的竞赛，然后开始追问："你在比赛里遇...

求求大佬们帮忙看看简历，心态已经被磨平了，感觉自己简历问题比较大，但是不知道怎么下手改。马上要春招了，好迷茫。。。

何意味😄

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...