被科大讯飞线下狠狠羞辱

额，全程拷打项目几乎没有纯八股相关的八股：redisson分布式锁相比于set nx的好处completableFuture与future相比有哪些不同说一下aoprabbitmq延时队列是怎么实现的手撕：删除链表重复元素II（昨晚喝了酒，我还以为是约的下午面试，早上九点起来发现是十点的面试，我嘞个豆

0offer0约面  

是简历有问题吗

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 ...