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 ...

牛客网你tm用的哪个时区的时间

emmm没想到以这种方式被挂了

🕐面试时间：45min💻面试岗位：后台开发❓面试问题：拷打实习为什么不继续在那家公司继续干了（全力备战秋招）拷打项目（rag可不可以搞成多标签处理，怎么实现，上传知识库的流程可不可以简化一下，方便非技术人员操作，react是怎么实现的，哪些是循环，循环过程是怎样）你用cursor开发过项目，平常是怎么开发的String s = new String("abc")会创建几个对象java的泛型擦除是什么（这个第一次听说）实习时间安排，如果装正了能实习到多久，如果不考虑秋招能实习到多久（不考虑秋招？？）算法题 将类似aaabbcc的字符串转成a3b2c2，很简单，可以在本地i...