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...

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

小米oc了，但是在犹豫去不去。如果接受的话，小米正职待遇太差了，而且也不是互联网大厂，不确定这段经历对于秋招的背书有多大。算上餐补实习薪资5100，感觉太低了，并且岗位是中台开发，会干一些杂活，而且没有专门的mentor，和纯后端有一定区别。但是如果不接受的话，害怕接下来找不到好的offer，暑期0offer。图一是我简历上的项目和所学知识，图二是JD。实习的岗位不垂直，对秋招帮助大吗，该不该去，去了之后能胜任任务吗？

真实感受是：苦的点不一样。北漂苦在天气和距离。冬天零下十几度等公交，鼻涕都冻出来。回家一趟高铁要6小时，过年抢票能把人逼疯。但北京互联网机会是真的多，大厂扎堆，跳槽不用换城市。沪漂苦在生活成本和排外感。同样的工资在上海租的房比北京小一圈，地铁挤到怀疑人生。而且上海人说方言时你真的插不上话，有种隐形的距离感。但气候确实舒服，不用忍受北方的干燥和雾霾。我个人感觉北漂更苦点。因为北京的苦是物理性的——冷、远、干。上海的苦是心理性的——贵、挤、疏离。前者咬咬牙能扛，后者会慢慢消耗你。但说到底，漂哪儿都苦。关键是这个苦值不值。如果能学到东西、攒到钱、看到未来，那苦也就苦了。怕的是苦了半天还在原地踏步，那...