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...

年后投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

1. 详细讲讲你项目中使用Redis的场景，如何保证Redis和数据库的数据一致性？回答：项目中Redis主要用于缓存热点数据、分布式锁、验证码存储等。保证数据一致性的方案有：Cache Aside模式（读时先查缓存，缓存不存在查数据库并写入缓存；写时先更新数据库，再删除缓存）、延迟双删（更新数据库后删除缓存，短暂延迟后再次删除缓存）、订阅MySQL binlog异步更新缓存。对于分布式锁，使用Redisson客户端的RedLock算法实现。2. 项目中使用RabbitMQ的作用是什么？为什么选择RabbitMQ而不是其他消息队列？回答：项目中RabbitMQ主要用于异步处理、流量削峰、系统解...