抠门公司太离谱

自我介绍项目应用场景是什么技术挑战，怎么解决的怎么查询OOM的除了你项目里的还有哪些场景会OOM呢使用哪些工具进行OOM定位呢hashmap跟currenthashmap的区别项目的性能瓶颈在哪怎么做系统测试的举一个例子或者是一个场景说一下怎么设计测试用例的接口测试用例怎么设计的有没有做过自动化脚本的开发怎么去定位系统的性能瓶颈呢数据库事务死锁，怎么避免死锁慢查询怎么定位，大概有哪些原因导致慢查询一个数据量非常大的平台，大概是怎么去设计一个测试表呢AI用的多吗，了解一些前沿知识吗手撕：验证二叉搜索树（ACM模式，自己创建树节点）你应该怎么设计这个算法题的测试用例呢反问

现在AI这么恐怖，毕业26，能干到30吗？暑期实习也找不到，感觉快进斩杀线了啊

实习岗居然要微服务实习经验

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...