0offer、0面试的我快s了

1.自我介绍2.==和equals区别3.方法重载和方法重写区别4.遍历集合可以对元素进行删除吗5.在静态方法为什么不能访问非静态的属性6.静态变量什么时候加载出来生成，什么时候销毁掉7.实例变量什么时候加载出来生成，什么时候销毁掉8.局部变量什么时候加载出来生成，什么时候销毁掉9.策略模式的优缺点10.bean的生命周期11.场景题设计，现在公网暴露了一个接口地址，然后客户有这个鉴权信息，他在鉴权后可以直接访问接口，现在要进行用户频率的访问次数限制，1分钟100次，超过100此后就友好提示客户等一分钟后再重试，下一分钟就可以继续访问100次，不要使用任何的框架，算法，工具类，也不考虑并发，就...

没有实习没有项目经历，还有弥补的方法了吗

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

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...