字节内推，字节跳动内推

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...

boss沟通400➕了就几个要简历的无一个面试，很多要27以后的，28太难了感觉找不到实习了😓😓😓

想知道这种双非简历能拿啥工资，不行的话就考研刷学历或者考公了。求大佬帮忙看看

作为嵌入式老司机，我认为嵌入式岗位进入大厂，核心不只是“会写代码”，而是是否具备系统级工程能力与扎实的底层理解。很多人简单归结为“八股文 + 项目”，但实际考察维度更系统，主要可以分为基础知识、项目经验、底层能力和工程素养四个方面。一、基础知识：门槛但必须扎实基础知识通常被称为“八股文”，包括 C/C++、操作系统、计算机网络和数据结构。在嵌入式方向，会进一步细化到：中断机制、内存布局（栈/堆/全局区）、寄存器访问、volatile 语义、缓存一致性等。面试官不会只听定义，而是更关注理解深度。例如：为什么中断服务函数要尽量短为什么共享变量需要 volatile为什么不能在中断中做阻塞操作本质是...