技术三面

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 ...

腾讯官网社招岗位共计约2500个，其中IEG 1300个，占了一半多。其他五个事业群、三个职能线加起来的岗位数没有IEG多。（岗位数不等于招聘人数，有些岗位可能招聘多人）另外IEG内包子公司腾娱还有1500多个岗位，再算上萨罗斯、银之心、永星互动、藤库/聆曦、大连北境（内包子公司）等众多全资子公司，IEG的招聘岗位总数在3000以上。对比国内其他公司官网岗位数量（含内外包岗位），网易互娱+雷火共计1800个，米哈游600+，均低于腾讯游戏，整体上招聘数量与公司规模呈正相关，也能一定程度反映公司的发展势头。（IEG和网易等公司有部分陈年旧岗，这里未去除）地区上看腾讯IEG社招岗位主要分布在深圳、...