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 ...

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

你在leetcode上练的都是死代码能力🤣

1. 自我介绍，说说你做过的项目里技术上最有挑战的一个。答：按"背景→技术挑战→你的解法→结果"四段走，控制在2分钟。重点放在技术挑战上，说清楚难在哪、你怎么想的、最终怎么解决的。极米是投影仪方向，如果有音视频、显示、IoT相关经验要重点提。2. FreeRTOS的任务堆栈溢出是如何检测的？溢出后系统会发生什么，如何预防？答：FreeRTOS提供两种栈溢出检测方式，通过configCHECK_FOR_STACK_OVERFLOW宏配置。方式一（检测值为1）：任务切换时检查栈指针是否越界，只在上下文切换时检查，开销小，但如果溢出发生在两次切换之间可能漏检。方式二（检测值为2）...