360 hr面

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 ...

求大佬们拷打简历，投了好多简历了，基本上都没面

难道前端真的已经不行了？

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花Spring Web核心请求注解详解：@PathVariable、@RequestParam、@RequestHeader在Spring MVC/Spring Boot开发中，@PathVariable、@RequestParam、@RequestHeader是接收前端请求参数的三大核心注解，三者均用于提取HTTP请求中的数据，但参数来源、使用场景、语法规则完全不同。本文将逐一拆解用法、实战示例、配置细节，并梳理核心区别，兼顾基础入门与工程实战。一、@PathVariable...