9.14 阿里云笔试

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 ...

不知道过两年会变成啥样…   

无实习一般学历，求简历拷打🥺

1. Spring Boot启动时，SpringApplication.run()背后经历了哪几个关键步骤？思路按启动全流程：准备环境 → 创建上下文 → 刷新容器 → 加载自动配置 → 初始化Bean → 启动完成回答示例面试官您好，run方法的核心步骤是这样的：首先启动计时器，初始化监听器；然后准备运行环境，加载配置文件、激活配置；接着创建Spring应用上下文；再刷新上下文，扫描Bean、加载自动配置类；然后完成Bean的创建、依赖注入、初始化；最后执行Runner，发布启动完成事件，整个项目就启动好了。2. MySQL的二阶段提交（2PC）如何解决redo log和binlog的一致性...