没有最心虚，只有更心虚。只要大概会一点的都可以往上写的，不过要确保当面试官问到你的时候，你能流利的回答出来就可以。之前就被提问到一个不太熟悉的项目，答的稀烂。气的我面完就把那部分内容删除了，免得漏洞百出

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...

聚焦嵌入式本地智能问答需求，打造低功耗端侧轻量化 RAG工控专用设备，搭载嵌入式单核 MPU 与小型向量数据库，适配工厂、机房无外网环境。本地导入设备手册、运维规程、故障解决方案等文档，通过轻量文本嵌入模型完成向量本地存储，结合精简检索增强生成架构，实现离线专业问答。内置极简本地小模型，压缩参数量适配边缘算力，支持工人语音 / 文字输入，快速查询设备维修、参数调试、故障排查问题。摒弃大模型云端依赖，数据全部本地存储，保障工业资料安全，搭配触控显示屏与本地存储，体积小巧可壁挂部署，是嵌入式 AI + 本地知识库结合的创新落地项目，适配传统制造业数字化升级。

找不到大厂实习完全可以选择小厂。作为在校生，初期核心是积累项目经验、熟悉业务开发流程。小厂上手快、接触业务全面，能快速提升实操能力，扎实打好基础，后续再冲刺大厂更有底气。