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 ...

不过大厂的面试确实比小厂能学到更多

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

岗位：嵌入式软件(系统方向)面试前准备：无一面：大学学习了什么知识，介绍一下做过的项目？（stm监控，arm智能家居，arm监控）围绕stm32项目：有没有想过怎么降低功耗？（没想过）那你现在想一想？问在这项目你觉得收获到了什么？你用bmp编码的程序是怎么设计出来的？你怎么检查传过来的图片是否正确？（没传错。。）那你现在想想怎么检查？arm智能家居：用什么去录音？alsaalsa你知道什么功能吗？为什么要用alsa录音？为什么选择xml文本传数据？你是怎么调用科大讯飞的语音识别功能的？你是为什么要做这个项目？arm监控：你了解到opencv底层原理吗？问除了刚刚介绍的外设还有用过什么外设吗？问...