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 ...

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

牛客网你tm用的哪个时区的时间

二面，还是视频面试，这次面试官换了一个人，自我介绍说是做系统软件方向的高级工程师。和一面相比节奏明显不一样，问题少但每道都很深，基本上每个话题都会顺着你的回答继续挖，感觉整场面试就是在不断被追问。项目聊了将近三十分钟，他对架构设计和遇到的问题非常感兴趣，问了很多"为什么这么做"和"有没有更好的方案"。后半段有一道系统设计题，没有手撕算法，但设计题聊了很久。整体强度比一面高不少，面完感觉脑子空了。1. 讲一下你对 C++ 对象内存布局的理解，虚继承是怎么解决菱形继承问题的？答：一个普通 C++ 对象的内存布局，从低地址到高地址依次是：如果有虚函数，最开头是...