华为OD base西安 offer审批

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...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

第一次打开那个用户反馈群的时候，我以为自己进错了频道。 消息刷得很快，清一色都是在抱怨——页面加载慢、操作卡顿、等半天没反应。我翻了翻历史记录，类似的反馈已经持续了好几天，而且越来越密集。 "这个性能问题，你来跟一下。"导师在周会上把任务指给了我。 说实话，我有点懵。来拼多多实习才一个多月，平时做的都是相对独立的小需求，第一次接手一个直接影响用户体验的线上问题。我下意识看了导师一眼，他没有多解释，只是点了下头，意思是：就是你。 我先从监控数据入手，一层一层看调用链路。刚开始看不出什么名堂，接口响应时间整体在波动，但没有特别明显的异常点。我盯着图表看了一下午，越看越焦虑。下班...