前端，花999买的面试题，无偿分享，嘎嘎好用

27届后端岗，今天面了个深圳，百人厂，面试20min，面试官没开摄像头。没让自我介绍，上来就查户口，家里情况有无兄弟姐妹...然后呢，问我高考分数，为什么考xx大学，接着问求职规划。有聊一下ai使用的情况和当下的市场环境，问我了解4A吗，我说没了解过，他介绍了一边4A给我听，然后让我复述一遍。并给他们的重要程度做个排序。反问环节：1.问业务，做半导体风控的。2.有无对实习生有技术上的支持和模型的配置。（这点我自己摸索出来的我觉得很好，说一下自己使用ai用哪些配置，聊投机了面试官说不定会让你谈谈使用感受和经验，让他感觉你真的用过）。3.薪资-开4000，有住宿。不太懂这是kpi面，还是厂真的确认...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

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 ...