一份offer,但我开始摆烂了

🕐复活时间：3.23💻面试部门：PCG技术线-智能营销/AI小游戏方向一面🕐面试时间：3.24❓面试问题：自我介绍大文件拆分上传，如果断线重连，如何实现重传为什么后端数据库使用mongoDB而不用mysql你有提到学过redis，说说对redis的理解如何设计登录的，如何保护用户信息安全xss/csrf如何产生的，如何防范你提到jwt，那你的jwt是配置了什么字段js事件循环与nodejs事件循环追问：nodejs是单线程还是多线程ES Module与CommonJS的区别场景题，设计一个前端表单，涵盖数据采集，前后端对接等等，说说你的思路ai agent兴起，你对这个有什么了解和看法算...

润色了一下，这个简历还有救吗，春招还能上岸吗😭经历秋招洗礼，感觉运气>>实力

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...