字节跳动offer来了！你接住了吗？

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 ...

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

前言在开始分享具体的面试题之前，我想先给这份面经定个调，我更愿意称之为“方向”。它不是什么万能宝典，而是专门写给这样一群人（基础可以，算法不行）的：学历背景扎实： 公立一本毕业，双证齐全（学信网可查，硬门槛）身份纯粹： 校招赛道，应届生身份基础过关： 已经熟悉一门编程语言（无论Java、C++、Python还是Go，或者其它，只要不是邪门语言），具备最基本的开发素养计算机素养： 具备基本的计算机功底——哪怕你不是科班出身。比如我自己就是数学专业，像数据结构、操作系统、网络这些核心素养，都是靠自学补上的；如果你是科班出身，那这一条本该就是你的本能 写这份面经之前，得先提一个人——栗栗姐（...