## 整体流程 ​ 机试->网上综测->资格面->两次技术面->主管面 ## 各环节经验#### 机试：​ 在联系栗栗姐后，根据栗栗姐给的材料刷了刷题库。最后熟悉了一下答题环境，在牛客上刷了几题，和Leetcode的不同之处就是多了个输入的处理和输出的print。 ​ 机试需要用到电脑+手机摄像头，如果是台式记得网购一个，之后几次面试也用得上。机试的软件一开始还给我闪退了一次，说什么环境有问题好像，后面不管他直接重连就解决了。​ 机试由2道100分题和1道200分题组成，虽然说2道100分题做完才能进入200分题页面，但也可以随时返回100题页面进行修改。我遇到的2道1...

不知道过两年会变成啥样…   

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 ...