字节春招内推~

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 ...

今天晚上七点半面完的，刚才看一眼链接消失了 ，🐭🐭之前都是链接自动消失，这是过了还是要加面还是能进hr面了啊😭😭

1.自我介绍八股环节1.对闭包的理解2.map和foreach的区别3.有哪些数组原生方法4.js中的变量类型5.怎么判断数据类型6.怎么判断是否是数组7.vue3和vue2的区别8.v-if和v-for的区别9.闭包的应用场景10.关于定时器的使用应该遵循怎样的原则11.定时器延时器防抖节流的关系12.浏览器垃圾回收机制13.ts和js的区别14.ts的继承，泛型，接口15.vue生命周期16.渲染数据或者动态可拖动列表的时候应该在哪个生命周期钩子请求17.操作dom的时候是在哪一个生命周期钩子之后进行18.Pinia与Vuex的区别19.讲一下Vue的路由20.为什么data设计成函数而不...