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 ...

急急急急急急急急急急急急急急

大四上学期在某厂实习了三个月，说说真实感受吧。进去之前幻想的是参与核心项目、接触前沿技术。实际上每天就是写一些边角需求，改改前人的代码，开不完的会。mentor人挺好但也很忙，大部分时间还是自己摸索。最大的感触是：大厂没有想象中那么光鲜。工位很挤，实习生能接触到的东西真的有限，很多核心代码权限都没有。现在春招我反而没那么执着大厂了，更看重具体做什么、团队氛围怎么样。实习过一次之后你就会发现，公司名字真的只是个壳子，每天干的活才是实实在在的。

1. 自我介绍2. HTTP 和 HTTPS 的区别答案：HTTP 是明文传输，请求和响应内容如果被截获，理论上都可以直接看到。HTTPS 是在 HTTP 的基础上加了 TLS/SSL，加密之后再传，所以安全性更高。HTTPS 除了加密，还会做身份校验和完整性保护，能防止中间人攻击、数据篡改这些问题。代价就是握手流程更复杂，建连成本会比 HTTP 高一点，但现在实际业务里基本都优先 HTTPS。如果继续往下问，可以顺着讲 TLS 握手、证书校验、对称加密和非对称加密怎么配合。3. HTTP 状态码，404 是什么情况下出现的答案：HTTP 状态码一般分五类，1xx 是信息响应，2xx 是成功，...