上周面试了乐信圣文的Unity开发，虽然最后没过，但是还是想记录一下这次面试。我的基本情况是：0实习，211本科，有竞赛经验，对unity开发也不了解一面：1.介绍一下自己2.提问简历上的在校经历与竞赛经历问了笔试之中的几道题和我的答题思路，这些都是我自己做的，所以回答的很流畅3.常用的几种设计模式（答出来了），但是后面又具体问了MVC，这个没有具体了解4.单例设计模式是什么，工厂模式和策略模式的区别（答出来了）5.SOLID具体指的是什么（最后D的回答不太好，应该是依赖倒置原则，我忘了名字了，只说是一般在基类中我们使用纯虚函数来实现这一原则）6.里氏替换原则的具体内容（答上来了）//接下来就...

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

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...