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 ...

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

我现在这个水平大概能拿到多少薪资的offer😂

🕐面试时间：60min❓面试问题：最汗流浃背的一集，面试官让屏幕共享现场展示vibe coding拷打实习，具体用higress实现了什么功能，为什么要把ingress替换成他，为什么用它，有没有用过其他什么插件为什么做权限要用到rbac，有没有其他的考量吗，比如abac什么的（其他的技术选型我都有做攻略，可没想到这个也有技术选型，唉，又不会）harness engineering听说过吗现在有个问题 ，一个agent有很多mcp工具可以选择，但是需求过来了以后，并没有匹配到我想要的那个mcp，怎么解决（我说让用户自己选择可能要调用的工具....）skills听说过吗mcp有哪些开发模式（s...