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 ...

求各位牛爷爷指点

26届春招，学院本，双非硕秋招惨败，目前春招投了40家了，还没面试

面了一个半小时刚开始就是一道算法和一道代码输出算法考的是：给定一个字符串，按照字符串中字母出现的次数输出去重之后的字符串（出现次数越多就把该字母放在前面）e.g 输入：aaabbc 输出：abc代码输出题考的是事件循环，还让我解释为什么会这样输出后面全程问项目，结合项目问八股，而且面试官还看了我的ai面，问了个ai面中我答得比较好的问题项目如果上线出现问题，前端怎么设置出错日志告警用户登录功能怎么实现的登录状态如何持久化，了解服务端生成session的机制吗关于图片上传大小有限制吗，那如果一个用户上传1GB的图片怎么办如何优化大量图片的加载性能，除了缩略图还可以使用什么方法如何防止重复上传相同...