已投，希望能进啦

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...

应聘了很多家公司，基本上都是小微企业，双非真的无缘大厂吗？哪位大佬帮我看看简历啊？！

好像是个中厂，如果处女面面这个会死吗

联想一面自我介绍rag文本分块策略你对AI agent的了解了解哪些框架在rag中如何构建上下文对话的能力关于大模型提示词的经验你知道哪些agent工具rag中的幻觉问题是这么处理的？你知道哪些向量数据库？在rag中，有哪些相似度的计算方法你知道最近两年有哪些agent框架吗谈谈你对openClaw的人生谈谈对agent Skills的认识什么是python闭包，你在项目中哪些场景中使用了的Java中如何处理内存泄漏风险反问：大概有几面：总共两面，后面一面是HR面多久能知道本次面试的结果：应该很快吧大概多久能入职：得HR才能知道（整个流程总共20分钟，无手撕代码环节。时间短的比拷打1个半小时，...