面试官问：“说一个你觉得只有你自己知道而别人都不知道的事情”

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...

timeline过年前就约的年后三月份的面试2026 3.05 一面2026 3.10 二面（挂）2026 3.13 二面2026 3.16 hr面2026 3.19 口头oc2026 3.20 offer两道手撕无重复字符最长子串数组中能组成小于n的最大数字记录一下 不多写什么了 同时也感谢平台上以前发面经的佬们记录的一些手撕题目 刷一刷颇有成长

一面：自我介绍拷打项目项目1 MongoDB相对于MySQL的优势 RAG流程 如果提问的与知识库不相关怎么办 市面上成熟的聊天记录的管理方案项目2 session共享的问题 优惠券秒杀的流程 Lua脚本里干了什么八股 redis中zset的底层 zset插入和查询的时间复杂度 redis为什么快 redis io多路复用如何实现 redis的性能瓶颈在哪里：面试官让在内存、cpu、网络io中选 MySQL中的索引实现 B+树比B树好在哪里？为什么B+树更矮 事务隔离级别 mysql的默认级别 可重复读是如何实现的：回答了读视图，面试官纠正说了读视图的专业名词 HTTPS和HTTP的区别 加密...