1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

0offer0约面  

刚加上这个hr，结果是个广子，发完第一句话就被封号了微信

讲一下项目哪个地方具有挑战性，如何解决kafka如何保证消息是发送一次接收一次，如何确保broker正常刷盘，多副本怎么实现，这里有个高水位低水位概念知道吗（不会）setnx有哪些参数，优化前的分布式锁是哪个维度zk如何保证数据一致性（忘了）构造线程池有哪几种方式，ThreadPoolExecutor底层继承了哪一个抽象类，抽象类有什么方法，他是怎么实现的（不会）juc包下有哪些类，concurrenthashmap底层原理hashmap和concurrenthashmap中，一个对象可以作为key吗，重写equals和hashcode注意哪些netty特性讲一下selector，channe...