给鼠鼠一个面试机会吧

自我介绍是没有的一上来先问实习中的难点然后问了下项目中怎么用aop的，如何考虑性能后面全是开放性问题：从0到1学习一门技能的过程，什么动力促使你学习它的，有没有遇到过不配合工作的同事，如何确定某个技术是否适合这个场景最后给了个ai coding我真不行了

今天第一段实习离职了，公司很好，同事很好，mentor也很好，待遇也很好，第一次在这里体会到了归属感，离职的中午mentor还请我吃了饭，真的感谢公司给我的这一次机会，也感谢这次机会让我认识了不错的实习搭子，也感谢好的舍友，被导员找的时候盘问的时候一直在帮我打掩护。只是没想到导员会看门禁的进出记录，也没有想到我的家长会把我实习全部告诉导员，更没有想到在我应付过导员后，为了以后实习申请不住宿只能和家长说我的规划并寻求他们帮助的时候，他们先是稳住我，之后把我去实习的情况和现在去离职肯定的告诉导员。在他发现我可能实习，到离职完，我后面还是有一步一步的规划，直到家长和我说他们把我离职已经和导员说了，我被稳住了，我后面也没有招了以后也没有机会实习了，我已经尽力了，可能对不起的只有我自己的努力，为我打掩护，咬死不承认的舍友，和二面把我过掉，但我却没有帮上忙的mentor和公司了祝大家一切顺利吧，我只能躺平等毕业再说了😊以后有没有机会接触开发再看吧

人怎么对AI的容忍度如此之大  

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...