许愿 导师新申请的项目千万别中

依旧不开摄像头1.自我介绍2.简历开始拷打3.volatile保证内存可见性和指令重排序原理4.内存泄露有没有遇到过5.用了什么工具出来6.线程池核心参数，有没有调过7.工厂模式和策略模式，为什么用工厂模式8.接口响应速度怎么测出来的9.单元测试10.spring和静态工厂11.sentinel用在哪里12.怎么理解雪崩怎么处理13.最大的困难14.java后端会被AI替代吗15.实习拷打反问最长时间的一次40多分种，听说大厂面试都是1个小时起步，感觉人麻了

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

简历如下，也是改了不下十版了三月初开始投递，到现在感觉投递了有个1500家了（实习，全职）面了10家左右的样子（都是线上的，线下的我一律当做刷kpi没接，现在感觉线上线下都是刷KPI的），笔试倒是做了不少，收到了两份实习offer都拒绝了（一个140/天+外地，一个120/天本地初创）最近也不知道投啥了，想着春招实习两手抓，但是投递的很多岗位有要求1-3年经验，投出去也是石沉大海杳无音信，偶尔有几个回复，然后就是笔试面试，再无后续慢慢的也有点蕉绿起来了😭😭还有课设，论文乱七八糟的当时还选择了考研，找学长问考研经验，学长第一句话就是不建议考研，当时还不以为然，现在想想……

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 ...