30道选择题 + 1道 Prompt 题，60分钟，总分100。选择题考的是行测，Prompt 题是花店订单计算，还好把prompt题拍下来了 选择题是：言语理解、数字推理、数量关系、判断推理、资料分析 Prompt 题：花店订单计算器 这道题要写提示词让 AI 算花店订单费用 规则梳理一下：  花束分三档： 枝小束基础价 ， 枝中束 ， 枝大束  花材加价：玫瑰 /枝，百合 /枝，向日葵 /枝，康乃馨不加 会员花材加价打八折，有小数直接去掉（向下取整） 包装：豪华 ，礼盒 ，普通不加 配送： 公里内免费，超出部分每公里  块，不足  公里按  公里算，自提免费 节日（情人节/母亲节）：花束费...

28届找小厂实习，沟通了一百多一个面试都没有，简历投了十份但是都没后续了，不知道问题出在哪，是项目问题吗，有没有大佬帮我看看。

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...