南湖研究院

本帖是劝大家不要选择客户端的。原因如下：1.做客户端开发之后，你会发现市场需求很小，招人的公司就那些（只有大厂招的人多一些，中小厂招的很少很少）。除非你是那种技术大神，能够百分百进入大厂，以及成为架构那种，那么选择也是可以的。不过既然你都能做的这种程度了，为什么不选择更宽的路子呢？把路走宽，不要把路走窄。2.社招难，客户端开发技术很杂，Android 是 Java 和 Kotlin，iOS 是 OC 和 Swift，以及跨端技术 Flutter、RN 以及 KMP 等等。现在的大环境，公司选择只会选择有对口经验的，如果你没有对口项目经验或者项目经验少，大概率人家是不会要的。写 Swift和 S...

呜呜了，1-19 发的简历，3-19 收到面试，可是人已经在实习了好想去 mhy不知道影不影响以后的投递

这份简历可以进腾讯面试嘛，救救孩子😭

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...