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...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

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

1. 详细讲讲你项目中使用Redis的场景，如何保证Redis和数据库的数据一致性？回答：项目中Redis主要用于缓存热点数据、分布式锁、验证码存储等。保证数据一致性的方案有：Cache Aside模式（读时先查缓存，缓存不存在查数据库并写入缓存；写时先更新数据库，再删除缓存）、延迟双删（更新数据库后删除缓存，短暂延迟后再次删除缓存）、订阅MySQL binlog异步更新缓存。对于分布式锁，使用Redisson客户端的RedLock算法实现。2. 项目中使用RabbitMQ的作用是什么？为什么选择RabbitMQ而不是其他消息队列？回答：项目中RabbitMQ主要用于异步处理、流量削峰、系统解...