工程类偏多🏀1. dpo 和 sft 的区别，先 dpo 后 sft 可以么2. 如果把 DPO 用在“第一轮对话”，你会怎么做数据集？prompt、chosen/rejected 你打算怎么来3. 多轮对话的数据分布你会怎么设计：单轮和多轮各占多少，为什么这么配4. 具体到 DPO 数据，多轮样本你会怎么采样/怎么配比（有没有什么坑）5. reward hacking 你怎么看？一般怎么防，怎么兜底⭕如果你现在：- 春招/秋招没方向- 简历没人看- 面试总挂- 不知道怎么准备，想求职算法岗的同学，需要进行高质量项目辅导，提升面试能力，☎欢迎后台联系。

1. 自我介绍2. 你在实习里做过的最复杂的模块是什么，难点在哪里3. 如果让你设计一个配置热更新系统，你会怎么保证正在处理的请求不受影响答案：新配置可以安全生效正在处理中的请求继续使用它开始处理时看到的那份配置比较常见的做法是 快照 + 原子切换。思路是：当前业务线程始终读取一个稳定版本的配置快照配置更新时，不在原对象上直接修改而是构造一个新的配置对象校验通过后，再用原子方式把“当前版本指针”切到新对象老版本由正在使用它的线程继续持有，等没有引用后再释放这样做的好处是：读路径简单不需要长时间锁住整个配置结构不会让业务线程读到半更新状态回滚也更容易做代码： #include <atomi...

1.开场自我介绍＋过实习／论文。2.了解哪些大模型， Qwen 和 DeepSeek 各自的特点？3.MoE 跟 Dense 比，收益主要体现在哪？代价又是什么?4.有没有做过全参微调？没有的话你怎么判断它和值不值得做？5.如果你要把 LoRA 和全参做对比，你会怎么设计实验、控制变量、看哪些指标？6.RLHF 解决什么，在对齐里起什么作用？ RLHF 这一块会继续深挖：7.你知道哪些主流的对齐／强化学习做法？8.代码题：括号生成＋手写多头自注意力📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

********上有个“扣友新春联欢活动”，点进去看了一下，大家太有才了