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 ...

二本的结局就是铁人三项嘛

一、Java基础重点内容面向对象：封装、继承、多态equals 与 hashCodeString、StringBuilder、StringBuffer重载 vs 重写深拷贝 vs 浅拷贝准备方法熟悉核心语法和设计思想能解释常见面试题原理配合刷经典基础题二、集合框架重点内容List：ArrayList、LinkedListMap：HashMap、ConcurrentHashMapSet：HashSet、TreeSet高频考察HashMap 底层结构扩容机制hash 冲突解决JDK7 与 JDK8 实现区别准备方法理解底层数据结构能说清 put / get 过程理解不同集合使用场景三、并发编程重点...