已老实

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 ...

为啥约不到面试啊😭😭😭是我的简历问题，还是打招呼有问题大佬们，能帮忙看看简历吗？

大佬们快救救孩子吧，想找个日常实习，投了都是未读和已读不回啊

项目拷打  简单聊聊项目设计思路，具体如何实现的？  然后没有深入聊了，问熟悉哪些中间件或者技术栈。谈到MySQL和Redis MySQL  解释一下什么是索引 追问索引树叶子节点和非叶子节点分别存储什么？ B+树和B树索引有哪些区别？ 说下什么是MySQL中的事务 前面我提到了undo log和redo log，追问binlog是做什么用的？ 知道什么是联合索引吗？  手撕  关于前面的联合索引题，现在有联合索引abcd，给定sql语句 select a，b from t where a = 1 and b = 2 and c > 3 and d = 4.请问这里用到了哪些列的索引？ ...