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 ...

27届Java实习

急急急急急急急急急急急急急急

二面和一面相比完全不是一个量级，一面还算是考察基础知识，二面更像是在和你讨论技术方案，每个问题都有大量追问，而且他会故意提出反驳意见看你怎么应对。项目聊了将近四十分钟，他把我项目里的每个技术决策都问了一遍为什么，有几次我答不上来被他直接指出设计上的问题。1. 讲一下 FreeRTOS 的任务状态机，每种状态之间的转换条件是什么，阻塞状态和挂起状态有什么本质区别？答：FreeRTOS 的任务有五种状态：运行、就绪、阻塞、挂起、删除。运行状态是任务正在占用 CPU 执行，单核系统里同一时刻只有一个任务处于运行状态。就绪状态是任务具备运行条件，等待调度器分配 CPU。所有就绪任务按优先级排在就绪列表...