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...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

一、核心项目深挖请详细介绍一下实习项目，包括项目背景、你的核心职责、落地成果。请讲一下系统的完整优化过程，包括根因定位、解决方案和最终效果。请详细介绍项目里的Memory复用机制，包括设计初衷、核心实现、存储与管理方案。你为什么选择主从多Agent架构？对比其他架构做了哪些选型取舍？这个项目目前还有哪些技术瓶颈？后续的迭代优化方向是什么？你了解哪些主流的Agent架构？请讲一下ReAct、Self-Discovery、Plan-and-Execute等架构的核心原理与适用场景。二、RAG项目深挖（电商智能导购项目）请详细介绍一下这个电商RAG智能导购项目，包括核心功能、完整实现链路、落地效果。...