阿里云27届转正实习内推！!！

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 ...

下周开始我要白天上班偷产出晚上下班练算法有空就去学 ai五月我要进大厂

#牛客AI配图神器#📍面试公司：信雅达🕐面试时间：3.27💻面试岗位：Java❓面试问题：1：你先做个自我介绍。2：你这边的实习到 12 月份结束了，这个是他们是规定就这么长时间不留用还是其他情况？3：你理解的 Java 内存模型（JVM 内存模型）是怎样的一个机制？4：讲一下 Java 的垃圾回收机制5：你做的项目里，有没有遇到一些 Java 的内存溢出的一些场景？怎么排查的？6：数据库的话是看这里只列了 Mysql，是就接触过 Mysql 数据库，是吗？一些国产新创的数据库没接触啊？7：Mysql 一些性能的一些调优方面，比如 SQL 的性能等等。这方面有没有一些可以分享的经验？8：...