乱七八糟大集合

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 ...

这种要去吗？

无实习一般学历，求简历拷打🥺

算法：最长递增子序列（没写出来），换了二叉树层序遍历进程和线程的区别讲一下堆和栈redis的内存淘汰redis的过期删除策略mysql的深分页问题怎么解决，手写SQL第一个项目怎么设计的，想法从哪里来的用户口语化的输入如果在Rag里面检索不到怎么办点赞功能怎么设计的set出现大Key怎么进行解决平时使用哪些ai工具忘记录音了，只记得这些了。目前是约了二面#牛客AI配图神器#