美团前端一面二面

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...

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

忽然收到了面试邀请 有没有友友有面经分享 投了这么多 第一个面试机会

一、同步与异步同步：用来保证调用方和被调用方顺序执行。调用方需要等待被调用方执行完成之后，自身才能继续执行，调用方的逻辑控制流被阻塞。同步不一定要阻塞，只是逻辑控制流被阻塞。阻塞只是同步最常用的手段。异步：调用方和被调用方各自执行。调用方发出请求之后，无需等待被调用方执行完毕就可以继续执行，被调用方的执行结果通过回调、信号等方式返回给调用方。核心区别：调用方的逻辑控制流是否阻塞等待被调用方执行结束。二、同步：有锁、无锁、无等待锁的概念：核心目的是解决并发（多个操作同时进行）时，争抢共享资源（如数据、文件等）导致的混乱问题。上锁（加锁）：申请独占使用权。如果资源空闲，就可获得锁并开始操作。解锁（...