【华为入职秘籍】“华为入职秘籍”要点回顾，快来围观！

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...

这种的是真的假的，有没有什么陷阱啊

手撕两数之和（不是力扣 是输入两个数字返回数字的和）

最近在面试，说实话，每次看到 精通 这俩字，我这心里就咯噔一下。不是我不信你，是这俩字太重了。这不仅仅是自信，这简直就是给面试官下战书😥。你写 熟悉，我问你 API 怎么用，能干活就行。你写 精通，那我身体里的胜负欲瞬间就被你点燃了：既然你都精通了，那咱们就别聊怎么写代码了，咱们聊聊尤雨溪写这行代码时在想啥吧😒。结果呢？三个问题下去，我看对面兄弟的汗都下来了，我都不好意思再问。今天真心给大伙提个醒，简历上这 精通 二字，就是个巨大的坑，谁踩谁知道。来，我给你们复盘一下，什么叫面试官眼里的精通。你别只背八股文我上来通常先问个简单的热身：Vue3 到底为啥要用 Proxy 换掉 Object....