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 ...

小红书你来的有点晚了已经是节孝子了

本来下午都要面试了，提前一周约好了面试，现在有把我踹了？？？真服了

一面redis 的常见操作java 创建线程的方式线程池参数:核心线程数的合理数量?实际生产如何调整?Java 创建线程池如何创建?有哪些方法？事务管理：有用过 Spring 事务吗？一般怎么使用？（@Transactional）什么情况下会导致事务失效？事务的传播机制有哪些？实习无手撕二面二面主要我问了实习，聊了聊性格30min左右后续：二面挂，当时面试官还说祝我后续流程顺利，我服了