1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

2-3k的都找不到，求大佬拷打，给点学习或者找工作的意见，谢谢了。

全文约 4400 字 | 预计阅读 11 分钟目录先交个底：我是谁，拿了什么结果45 场面试，被问最多的后端八股全在这了手撕题：写不出来基本就挂了暑期实习和春招，考的真不一样最后说两句上一篇春招五周，我面了四十多场，最后想说的全在这了发出来之后，反馈比我预想的好很多。很多同学私信问我：暑期实习也有这种汇总吗？刚好清明假期有空，把去年暑期实习的面经全部翻出来整理了一遍。43 篇精修面经，每一篇我都重新读了，把所有被问到的问题按频率和重要性做了归类。先说一句：这是去年的面经，时效性肯定不如今年的新鲜。但八股文和算法题这东西，一年前和一年后差别不大，核心考点就那些。我两篇文章加起来不到 100 道八...