中国邮政财政金融类笔试

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 ...

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

投的是联想的 C++ 软件开发岗，一面是视频面试，面试官看起来是个技术 lead，全程很平和，没有刁难的感觉，但问题一个接一个，基本没有冷场的时间。整体考察方向偏基础扎实度，C++ 语言特性问得比较细，也有一道设计题和一道手撕。项目部分聊了大概十分钟，他主要关注你在项目里遇到了什么问题、怎么解决的，不太关心项目本身做了什么。总时长约六十分钟，体验不错，面试官会给你思考时间，答不上来他也会给提示。1. new 和 malloc 的区别是什么？placement new 是什么，什么时候会用到？答：malloc 是 C 标准库函数，只负责分配一块指定大小的原始内存，返回 void*，不做任何初始化...