蹲一个25届用研实习（base上海）

1. 介绍一下你做过的最复杂的嵌入式项目，整体架构是怎么设计的？答：以一个基于 STM32F407 + FreeRTOS 的 OTA 远程升级系统为例。整体架构分三层：硬件驱动层：UART（DMA收发）、SPI Flash、I2C EEPROM、GPIOOS 服务层：FreeRTOS 任务调度，包含 WiFi 通信任务、UART 数据处理任务、LED 状态任务、EEPROM 管理任务应用层：OTA 升级协议解析、固件分包接收、Flash 存储管理、bootloader 跳转逻辑关键设计决策：使用 UART + DMA + 空闲中断接收 ESP8266 数据，避免 CPU 轮询，接收完成后通过二...

投boss已经投麻了，好多都是已读不回，找不到啥约面的机会，想求问一下各位大佬现在是继续找日常好，还是冲暑期好，找暑期我怕要求太高过不了面两个项目都是我问ai写的，求问大佬们还有啥需要改进的地方吗

最后还是去鹅了，选来选去也没什么可选的，暑期到现在也就字节跟腾讯给了面试，腾讯很快就过了，业务一般，身边很多人劝留在手子，但是还是想试试新的机会，纠结来纠结去，其实也就是一份工作而已，自己之前把它看得太重了，希望之后能放轻松对待吧。timeline3.12一面3.16二面3.23三面，面完直接转HR面3.24HR面，面完直接转录用评估3.25oc

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...