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 ...

如题，八股现在背了一半，hot在刷2遍了，但是好多忘了喵，现在打算边投遍复习了，简历还有要修改的吗？求狠狠拷打喵！！！！

使用在线IDE，根据一个readme文件，写出一个完整的项目。readme如下：智能安全邮箱设计题目目标在本地环境实现一个“可用 + 可测 + 有安全设计”的邮箱系统，包含服务端与客户端，并引入基础智能能力。总体约束不可直接使用成熟开源邮箱系统库作为核心实现。可使用通用网络库与基础加密库，但需说明用途。所有功能需提供可复现测试步骤和结果。必做功能1. 服务器管理实现 server 进程，负责接收、存储、分发邮件。测试要求：同时运行两个服务器，模拟两个隔离域名的邮箱系统。两个系统之间可互相发信。两个系统存储应逻辑隔离（不可直接读写对方用户数据目录）。2. 客户端管理实现 client 进程，负责...