tplink错过座谈会

1.上来直接一道hard LC2050并行课程III，几乎一模一样说了给20分钟，结果快30分钟还不打断我，我自己放弃了2.RAG解决了什么问题，有什么优点和缺点3.RAG多种召回策略有逻辑冲突怎么办？刚说了BM25+相似度召回，被说不对，然后他说意思是段落通过不同方式召回，需要逻辑通顺，然后我又说分块overlap，估计也不对4.Mcp怎么注册tool工具5.设计大模型调用工具的过程6.skills是解决什么问题的7.MySQL如何优化查询数据说了慢查询日志explain索引，要求补充（不许用redis），说了RR改成RC，还有buffer pool局部性原理，看样子也没说道点子上8.Red...

过了，云智真tm香啊。😜

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 ...