时长1个小时一道算法题：设计一个栈，要求能以o(1)的时间获得栈的最小值，十五分钟，太久没写算法了，没a出来，不过面试官说我的思路是对的。一道数学题：25批马，5个赛道，用最少得次数获得前三名。一道场景题：设计一个ip黑地址系统问了ai的mcp的原理和rag的原理面试官还挺好的，不会的话会尝试去引导你写出来没问八股可能是涉及到转技术栈，说要转go自我感觉应该是够呛吧，白背好几天八股

双非一本，八股刚开始，这个简历能找到实习吗。。。

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

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...