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 ...

这个是流程终止了吗

忽然收到了面试邀请 有没有友友有面经分享 投了这么多 第一个面试机会

总时长4-50min，对自己的表现总体感觉中等。 1.项目相关大概20min  你们的这个缓冲队列是如何保证不重复读取的 @Async注解你有了解吗 如果Redis宕机了，或者是取出来之后程序宕机了怎么办？ 你了解rewritebatchedstatements参数吗？ 批量插入的时候你怎么处理中间某条数据失败的情况？怎么回滚？ fastjson2和jackson有什么区别，它的优势在哪里？JSONpath我记得在jackson中也有有什么区别吗？  2.八股  我自己主动引导的讲了Java的锁升级相关（这里没讲好，因为担心我话太密了只讲了个大概，然后面试官没有追问，我很多细节没讲出来） Ja...