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...

最近投了几下都约不到面😨😨还是太菜了😓😓😓哥哥们有啥意见😢😢

求求鹅收了我吧，其他公司全是一面挂，心态已崩，有没有人知道录用评估要多久，至今 hr 没有加我微信4.2 更新 ，已收到 offer，爱鹅信鹅等鹅timeline：3.13 一面3.18 二面3.31 hr 面 云证4.2 offer

最近尝试了一种新的开发方式：Vibe Coding。简单来说，它的核心不是“写代码”，而是“描述需求”。开发者的角色从“实现者”，转变为“产品经理 + 架构设计者”，而具体实现则交给大模型完成。这篇文章不重点讲项目实现，而是总结：如何更好地进行 Vibe Coding。什么是 Vibe Coding可以把 Vibe Coding 理解为一种新的开发流程：明确问题 描述需求 让 AI 生成实现 持续修正与迭代 它并不是“让 AI 自动完成一切”，而是：用更高质量的输入，换取更高质量的输出Vibe Coding 的关键原则以下是这次实践中总结出来最重要的几点。1. 不要一开始就写代码很多人一上来就...