阿里灵犀互娱AI应用开发暑期二面

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...

1.深挖实习内容2.mcp是如何内置sop流程的3.如何量化工作的成效4.为什么不在上一家公司转正5.你未来想做什么业务6.你参加实习后最大的提升是什么

🕐面试时间：26.4.2-一个小时💻面试岗位：AI应用开发❓面试问题：1、自我介绍2、问项目之后落地后，继续调用大模型API，考虑过如何数据隐私保护吗？3、介绍下用户提问到大模型生成回答的大致流程。4、面试官介绍了下广州base，然后问老家那的5、抽象类和接口的区别？6、Hashmap的底层原理？7、Java的类加载过程？8、介绍下双亲委派机制？9、HTTP和HTTPS有什么差异？10、什么是非对称加密？对称加密和非对称加密的区别？11、场景题：一个4GB的大文件，里面存的就是乱序ID，内存有限，该如何把文件中的ID进行排序？面试官提醒可以用数据结构来操作(当时说用链表，忘记了使用堆来进行...

现在还在泡池子，显示面试中是怎么回事，泡了好多天，好焦虑。9号携程二面到现在也没结果 有大佬知道可 能是怎么回事吗😥