27届java找实习，求助

简历的两个项目不知道该怎么写，用claude code写的在Boss直聘上疯狂打招呼没人理，有一个淘天集团的ai应用研发工程师，是boss上的人内推的，需要测评和笔试，但我没去做，因为听说阿里同一个方向笔试只有一次机会，我怕笔试不过。还有一个字节SRE实习工程师-SRE需要笔试，我也怕不过，我只刷过一次leetcode hot100,而且大部分都是想不出来看题解的，我该怎么办？

感觉应该凉凉了，发个面经攒攒人品一面：开始就是闲聊纯八股（可能看我不是科班的想考察基础）1.OSI七层模型及相关协议分别属于哪一层2.三次握手为什么要三次3.介绍String，知道多少说多少4.介绍StringBuffer,StringBuilder的不同以及Buffer线程安全的原因5.锁的种类以及底层实现6.介绍一下AQS7.写一个用到CAS的实例8.写一个用到ReentrantLock的实例9.Spring的设计模式10.注解的实现方法，写一个具体注解实现11.Spring中构造类要满足的条件？（没听明白）12.项目拷打，具体就是怎么实现的这个mcp和agent剩下的记不太住了隔得太久了二面：开场例行闲聊1.公司目前要实现一个AI换脸的工作，如果是我该怎么做2.同事想法和你不一致你该怎么做3.好像也是场景，具体记不太清了4.Spring中事务的实现方法5.@transactional底层实现原理6.threadlocal底层实现原理7.引用的类型有哪些8.弱引用什么时候被GC9.介绍一下单例模式10.单例模式中用volatile的原因11.锁类不锁对象的原因12.看没看过spring ai的源码介绍一下13.mcp的底层实现原理剩下的也记不太清了被问蒙了后面继续加油吧

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...