rt，成功约面，对字节有一种天然的如见长辈的恐惧，恳请面过的留个面经或者mark，我去您的主页好好学习一下

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...

攒人品中！ 1.实习拷打2.讲一下对大模型底层实现的理解3.Java的HashMap4.垃圾回收算法，有哪些常见的垃圾回收器分别用的什么算法5.Spring的AOP介绍一下，底层实现原理6.两种动态代理有什么区别7.事务隔离级别有哪些，分别解决了什么问题8.Redis的数据类型，常见应用场景9.Redis分布式锁的作用10，说一下实习和项目相关的设计11.手撕：返回最长回文子串

1.字节国际商业化广告团队的数据平台，属于业务中台，jd是搭建高性能广告数据查询服务，处理广告数据实时/离线链路加工，基于es、ck做引擎开发或封装。2.蚂蚁集团财保事业群的财富技术部门，负责银行资产、基金申赎等业务，岗位本质是业务逻辑密集型后端开发，核心职责是处理理财交易、资金清算等复杂流程，配合落地用户增长功能。目前先接了字节（offer会过期），蚂蚁走到了hr面，这周五开始hr面，求教应该选哪个谢谢牛客的佬们