考研失败不要慌，成都华为研究所捞人啦

讲一下项目哪个地方具有挑战性，如何解决kafka如何保证消息是发送一次接收一次，如何确保broker正常刷盘，多副本怎么实现，这里有个高水位低水位概念知道吗（不会）setnx有哪些参数，优化前的分布式锁是哪个维度zk如何保证数据一致性（忘了）构造线程池有哪几种方式，ThreadPoolExecutor底层继承了哪一个抽象类，抽象类有什么方法，他是怎么实现的（不会）juc包下有哪些类，concurrenthashmap底层原理hashmap和concurrenthashmap中，一个对象可以作为key吗，重写equals和hashcode注意哪些netty特性讲一下selector，channe...

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

不过还是挺开心的hhh

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...