写在前面：AI面试一般分技术面和行为面，大厂会有2~3轮技术面 + 1轮HR面。技术面以手撕代码 + 八股知识点为主，行为面主要考察项目经历和沟通能力。下面按模块整理高频题。1、机器学习基础请解释过拟合的成因以及你会如何处理？几乎每家必问。答题时要涵盖：正则化（L1/L2）、Dropout、数据增强、Early Stopping、降低模型复杂度等。BatchNorm 和 LayerNorm 的区别，各自适用场景？CV 方向 BatchNorm 更常见；NLP/Transformer 中 LayerNorm 是标配。能对比 GroupNorm 加分。梯度消失/爆炸是怎么产生的，有哪些解决思路？从...

目前0实习，想找中大厂的暑期实习和日常实习，目前进度hot100快刷完了，八股看了一多半（但很多感觉忘记了）。恳求大佬们给出一些建议和指导😸

鼠鼠是二本学历，学的是java，面的是软件工程师，面试的时候没问什么技术，就问了一些项目经验，我就把之前公司的项目经验说了一下，但是复盘面试的时候发现讲的很多东西都不会甚至有的根本没听过（mes，仿真，ai）。虽说面试官说了有学习的机会，进去以后先从mes学起，如果学习能力强会调去ai，但鼠鼠还是很紧张，可以说是不自信吧，也可以说是被打压太久了反而没有信心了😭

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...