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...

腾讯面试这个状态是啥意思

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

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（...