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...

是简历有问题吗

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

本人bg：23届厦大硕，厦门银行科技岗当年毕业的时候，拒了一个股份制大行的分行Offer，选了现在这家城商行。当时身边很多人不理解，觉得我放着大行招牌不要，跑来一家城商行，是不是脑子不清楚。还有人问我：“你厦大毕业的，去个城商行不亏吗？”今天想跟大家聊聊，这几年我到底后没后悔。先说说技术。来之前，我自己也对城商行的科技岗有过顾虑——怕科技部门弱势，技术上保守，核心系统全靠买，自己没啥技术含量。 来了才发现，完全不是这么回事。科技在银行里其实是核心角色，很多业务都依赖核心系统的实现。我们正在做的零售普惠智能风控体系，整合了AI、大数据、NLP这些技术，还有区块链的应用，比我之前想的超前多了。 举...