周末北京贝壳面试，有在长沙的同学一起吗

耗时30min最速解决拷打🐭的bg跟开发离得有点远了，cv上也全是玩具项目，纯纯是被好心HR捞到这个岗的(Lynx开发)假设有A->B->C三个继承对象，在析构时顺序是怎样的 (不会，瞎答)假设有进程A和进程B，如果同时使用一个数据对象，此时引用计数在进程B中归零，但是仍然希望这个对象只能在A中销毁怎么办(依旧不会，pass)平时用过智能指针吗，是怎么使用的用过Electron吗，介绍一下Electron，为什么直接用Electron而不直接用Webview(依旧瞎答)有尝试过多线程开发吗，该如何实现多线程熟悉React吗，React的原理知道吗()假设我有一个React组件，这...

大佬们帮我看看 👉👈

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...