【南京】华为软件开发和ai岗位实习招聘

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 ...

编程只有本科学的一些皮毛了，现在准备还来得及吗？应该怎么开始呢😢😢😢😢

1. 内存对齐怎么理解？下面两个结构体的大小是多少？答案：内存对齐主要是为了让 CPU 更高效地访问数据。结构体成员不是简单地按字段大小相加，而是会按照成员自身对齐要求和结构体整体对齐要求插入 padding。 struct S1 { char c; double b; int i; }; struct S2 { S1 s; float f; }; 在常见 64 位环境下，double 按 8 字节对齐，int 按 4 字节对齐，char 按 1 字节对齐。S1 的布局一般是：char c 占 1 字节为了让 double b 按 8 字节对齐，中间补 7 字节double b 占 8 字节i...

timeline一面 4.3二面 4.9oc&offer 4.10终于上岸了成为团孝子