腾讯暑期实习正式批销培生发面试了吗？

1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...

是简历有问题吗

大四还有课，怎么办 大四下想去实习，能否申请线上课 有办法吗 请指导

依旧不开摄像头1.自我介绍2.简历开始拷打3.volatile保证内存可见性和指令重排序原理4.内存泄露有没有遇到过5.用了什么工具出来6.线程池核心参数，有没有调过7.工厂模式和策略模式，为什么用工厂模式8.接口响应速度怎么测出来的9.单元测试10.spring和静态工厂11.sentinel用在哪里12.怎么理解雪崩怎么处理13.最大的困难14.java后端会被AI替代吗15.实习拷打反问最长时间的一次40多分种，听说大厂面试都是1个小时起步，感觉人麻了