淘天暑期末班车

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...

目前这个简历投直接秒挂，想问问各位大佬哪里出问题了

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

1.自我介绍八股环节1.对闭包的理解2.map和foreach的区别3.有哪些数组原生方法4.js中的变量类型5.怎么判断数据类型6.怎么判断是否是数组7.vue3和vue2的区别8.v-if和v-for的区别9.闭包的应用场景10.关于定时器的使用应该遵循怎样的原则11.定时器延时器防抖节流的关系12.浏览器垃圾回收机制13.ts和js的区别14.ts的继承，泛型，接口15.vue生命周期16.渲染数据或者动态可拖动列表的时候应该在哪个生命周期钩子请求17.操作dom的时候是在哪一个生命周期钩子之后进行18.Pinia与Vuex的区别19.讲一下Vue的路由20.为什么data设计成函数而不...