一面约在下午三点，面试官上来自我介绍了一下，说是做底层驱动和系统方向的，然后直接开始问。整体节奏很快，基本上每个问题答完他都会继续追问，没有给你喘息的机会。八股问得不算多，但每道都往深里挖，答浅了他会直接说"你再想想"或者"还有呢"。项目聊了大概十五分钟，他对细节很感兴趣，问了不少实现层面的东西。最后手撕一道算法，难度中等，给了二十分钟。面完整个人是麻的。题目中断处理函数里能不能用 printf，为什么？如果一定要在中断里输出调试信息怎么办？volatile 和 const volatile 分别在什么场景下使用？volatile 能保证线程安全吗？讲一...

没怎么学过java 第一个项目是知识星球买的 第二个基本是vibe的 还没背八股 hot100刷了三十道😭 0实习能找到暑期嘛

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？

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 ...