控制工作

2026年03月24日 虾皮二面-数据平台全程50分钟。上来先聊了几分钟个人情况，为什么做后端，有没有学过大数据课程什么的。中间主要问问实习项目做的情况。做了什么，怎么做的，遇到的难题及解决，项目规模，所在部门。最后给个题，（提供了一段日志处理代码题）请计算字符串例子里面 HTTP 状态码是 200 的百分比。也不难。简单反问。春招第6面，就结束了。这次可能参考价值一般，没有八股，项目也没有问比较深入的问题，手撕的话也就纯字符串切片统计的模拟。这个面试官比较和蔼，没有什么拷打。部门具体名称不记得了，只知道是做什么集团内部数据平台的。更新：已挂。意料之中吧，问题不大。一面能过就很奇怪，本来在一面...

无实习一般学历，求简历拷打🥺

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 ...