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 ...

感觉我的简历在本科生中也不算差，面试的时候八股和算法只要不挖的太深都回答的上来，为什么老是被一面挂😭最近被一面挂麻了，即使问了面试官对我的印象说还不错也仍然被一面挂，真有点怀疑人生了😭

研二在读想找AI agent方面暑期实习，想看下简历是否还能有优化的

🕐投递时间：2026.3.05一面🕐面试时间：3.11❓面试问题：（不要按简历自我介绍了，直接回答）对新闻部门有什么了解，用过哪些新闻app，有什么看法，除了简历上的技术栈还有额外的技术栈吗共享屏幕看看项目，你介绍一下你这个简历上说页面加载速度提升25%，可视化模块交互流畅度达95%以上，怎么得到的高效解决30+业务bug，如何做到这么高效插件长期运行内存用量降低30%，怎么降低的你说用pinia，但是也有用vuex，用pinia是出于学习目的还是有其他考量前端学习路线，项目是25年的，vue3已经普及为什么选择先学vue2vue2和vue3的区别前端频繁DOM更新易引发性能问题且需 兼顾...