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 ...

大二小登简历求拷打

何意味😄

面试官提问先做一下自我介绍。前两年未写进简历的工作内容具体是什么，为何未列入。负责的后台管理系统是做全栈还是仅前端，对全栈的定义。项目中使用 BFF 层的意义是什么。BFF 层访问量较大时，采取了哪些措施保证稳定运行。为什么要做代码规范，是否有实际需求和意义。代码规范中是否用 TS 做严格限制，对代码实现逻辑、代码质量是否有相关措施。是否尝试过用 AI 模型做代码审核分析。代码规范制定并严格要求后，小组成员的反馈是什么。项目重构的想法和具体计划，如何规避重构带来的风险。C 端项目的开发经验多吗。对 Hybrid 混合开发的理解是什么。Hybrid 开发中原生如何调用 H5，其核心使用的能力是什...