阿里云 测开

如题，小登上海某211大二在读，机械电子工程，或许有点后悔当年没选自动化或者转计算机，现在成绩在保研边缘。寒假和我哥聊了秋招的情况，今年互联网又回春了，又说到他们学校有个文科女生大一转码自学java卷实习，大四进了字节，给我羡慕的，当时就开始跟着黑马哐哐敲起来，但没学多久，毕竟我也不是科班，加上ai日益发展，又听说前端裁员，不敢贸然转java了。现在根据我自己专业在思考往嵌入式，控制，半导体这些方向发展，想要尽量往软件方向靠，然后现在就可以自己先学起来了，看能不能早点出去实习，或者在学院找老师进项目，这样保研转这些方向也有帮助。现在也在自学备考雅思，本来是想大四申请港校，但后面有点改变思路。雅思成绩进外企也有用的，所以继续备考。现在一直在困惑的可能就是嵌入式半导体或者控制走哪个方向吧，然后好早点找到路线学起来。后续可能找好方向然后继续争取保研，求各位大佬的建议

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...

面了一个月 这几个就剩HR面了 感觉不太好选 本人方向偏VLM+RL腾讯WXG-多模态风控-广州: 据说每人进来发100张H系列显卡 有传统算法也有VLM和RL字节Tiktok-搜索大模型-北京：虽然有千卡集群 但是有百来号人 导致人均显卡少 做的是智能搜索功能 偏RAG小红书-搜广推-杭州：商城板块 卡挺多的 人均三四十张H系列显卡 打算让我进去之后做个Agent 自动数据清洗+自动训练拼多多-搜广推-上海：就说卡管够 感觉面试官有一种风轻云淡的感觉 但是11116 听说是temu除了pdd 转正率好像都挺低的 但是pdd工作强度太大了 拿到转正offer估计也不会去

同一天有四个华为的hr 主动打招呼了，问题是本人0实习经验，这是来刷kpi 的吗