LRU算法实现

📍面试公司：快商通🕐面试时间：3.27 17:30-18.00💻面试岗位：agent全栈开发自我介绍完后，要求共享展示屏幕vibe coding。展示中问了个人vibe coding使用心得。简历项目的出处（竟然还要求我展示项目，直接说不在这个电脑），不依不饶抓着问项目的github，还好简历中有一个是真的。简历项目难点怎么解决的，怎么去找到难点并怎么通过vibe coding的形式解决的。然后问使用cursor ，trace cn，cc的使用感受和偏好。ps：面试真能锻炼人，现在整体就是一个很松弛的面试状态，要求展示vibe coding也没啥，感觉就是看你有没有软件和使用经验。

无实习加一般学历，求简历拷打

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

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...