陌陌笔试 幽默

总时长4-50min，对自己的表现总体感觉中等。 1.项目相关大概20min  你们的这个缓冲队列是如何保证不重复读取的 @Async注解你有了解吗 如果Redis宕机了，或者是取出来之后程序宕机了怎么办？ 你了解rewritebatchedstatements参数吗？ 批量插入的时候你怎么处理中间某条数据失败的情况？怎么回滚？ fastjson2和jackson有什么区别，它的优势在哪里？JSONpath我记得在jackson中也有有什么区别吗？  2.八股  我自己主动引导的讲了Java的锁升级相关（这里没讲好，因为担心我话太密了只讲了个大概，然后面试官没有追问，我很多细节没讲出来） Ja...

bg，重邮本末九硕，一段中厂，一段大厂实习项目是我主页的知光，项目和面经什么的，xhs可以搜到，同名

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...