坦白说，虽然没亲自去这两个超级城市历劫，但从各路前辈的血泪史、行业现状以及网上的吐槽来看，北漂和沪漂的苦，完全不在一个维度上。去一线城市打拼，其实就像韩立初入修仙界一样，大家一开始都是毫无背景的底层散修。为了抢夺稀缺的资源（高薪、经验、向上爬的机会）拼命肝，而北京和上海，就是两个规则完全不同的试炼场。1. 北漂的苦：直白的物理破防与泥沙俱下北京的苦，往往是极其具体且折磨肉体的。通勤地狱： 对于很多做软件开发的人来说，不管是去西二旗、后厂村还是望京，每天的通勤都像是一场拉练。单程一个半小时是常态，挤在早高峰的地铁里，人会被压成一张相片。环境粗犷： 干燥的气候、漫长的冬季、时不时的沙尘暴，加上粗糙...

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

想当鹅孝女呜呜附tl：3.20 一面+二面3.23 三面3.24 显示hr面3.26 晚上收到hr面试 第二天面3.27 面完hr 7min hr很忙然后面完界面还停在链接3.30 云证 但是还是显示hr面3.31 录用评估中

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...