联想电子电路工程师和逻辑技术开发

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...

（打个码避免被开盒）我被组内委婉劝退，然后需求对接正好对面有个暑期失利的产品，后面聊了一会儿，感觉同是天涯沦落人。然后今天他要私了（离职），在账号停用的前1min，我发了个祝福，然后就如图所示了。此情此景就像我常玩的gal一样凄美，让我触动（纯感概场景，对别人没有意思哈）

前两天冲字节一面花不少时间，然后放松了一下有点掉状态，今天正好跟面试官互撕项目回一下蓝1. 自我介绍 优势2. 完整地介绍公司业务、个人工作3. 介绍公式编辑器（技术栈选型的考虑、公式节点数据结构的设计、手搓公式渲染器的契机、导出格式的设计、Taro API 的跨平台适配器）4. 介绍日志记录器（需求、字段设计）5. React 的主要特性（函数组件、hooks、fiber 树与 diff 算法避免频繁操作 DOM 树）6. 用过 Vue 吗（简历用 Vue 写的，SFC 组件能写，学起来应该不难）7. Webpack 和 Vite 打包区别8. 入职时间等9. 反问（公司业务 实习生工作 对...