25届想离职

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...

一直在纠结投不投简历，实际感觉自身无论是八股文（空闲期间在看），还是算法刷题（现正在刷leetcode hot100边学数据结构边刷题），项目（点评 + rag）等等都不是准备的很好…，感觉可能面试官一问就可能答不上来的那种…但是3月20多号了，每天看着牛客大佬们面试各种互联网大厂拿了oc，或者出经都挺焦虑内耗的……像我现在这种情况是直接快速准备投简历面试几家还是就继续沉淀沉淀？如果沉淀的话，准备到什么地步开始投简历？其实也怕沉淀过程中错过投简历的最佳时机……😭😭

面试时间:1小时面试内容:无八股工资110一天，面试官上来就疯狂pua，还没面技术面就含沙射影说实习生不听话，乱请假，我公式化展示想转正的心态，他又急了，跟我说摆正自己实习生的态度，不要老想着转正，先想想能为公司干什么，而不是公司能提供什么。技术面自己也说了没怎么背八股了，就问了很简单的问题，有的问题甚至不明所以，比如除了string和list集合还有什么用的api，我问主要指的是哪方面，他又pua我说我八股入脑，之后就是一些简单问题。然后手机发消息求助。接着第二个面试官闻声而来，全身后仰躺在椅子上，手搭住椅头，斜视着我。也不问八股，问我实习的业务流程，疯狂的压力。"你这模块也要不了几个月吧""你说流程复杂，我觉得也不复杂啊""我什么觉得你没有什么比较关键的部分"气笑了，大厂压力我我就忍气吞声，你工资110元一天，一个月2500你压力谁呢，又不是找不到其他offer。反问环节我也压力对面，问公司业务情况，"公司在转型找新业务，意思是目前还没找到咯?""工资才110一天，竞争力很低啊，找得到实习生吗"问的对面一直挠头，后面忍不住又压力我一次。"不要问那么发散，实习生应该摆正自己的态度，问问自己能干什么"。气笑了，还在pua我。最后我就爆了最后一句"那我觉得公司是不是一个薪资竞争力低，业务转型没有成功，技术深度不够的状态?"给对面也说笑了，说这是你自己的评价，我们无法改变。总结:对八股复习0收获，面试官极度不尊重面试者，尤其是第二个来的。一面面试官权当不太会说话，二面纯找茬，110一天的工资玩压力面，是不是有点好笑了😁

我发现一个现象，不管体制内还是互联网还是哪个行业，大部分leader或者CEO基本上颜值这一关都过了，毕竟出门就代表的公司，两个综合能力差不多的人，但是颜值高的大概率会率先通过面试往上走。听一些朋友说过，异性面试官反而通过率会更高一点，为什么入职需要面试，其实也是一个形象的筛选。不可否认，颜值就是一个天然的优势，除了纯技术岗，其他什么岗多少都看点颜值，往往能力都不是第一选，外貌谈吐才是