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 ...

刚看到到了初试，还没面就流程结束，有没有知道什么情况的

0实习的阶段，不玻璃心，求拷打，我觉得春招是26届我的最后一次入场机会了，但反响平平。只有一两个通过初筛，后续就没有了

自我介绍实习（20min）负责哪块工作怎么用的DDD（5min）为什么要用DDD实体、值对象、聚合根是怎么考虑的后续的扩展怎么评判做的工作和优化是有效的？基础mysql索引需要建索引的场景where 的地方都要建吗kafka、pulsar区别如何保证消息不丢为什么用 pulsar消息堆积有处理过吗kafka 什么时候会触发 rebalanceAIAI 开发工具开发工具的区别AI 在工作中的占比为什么是这样的占比？有积累一些AI经验吗如果把经验累积起来你觉得这个占比会改变吗平时如何跟AI对话的举一个跟AI对话解决实际问题的例子吧AI给了哪些方案你用了哪个？是怎么描述给它这个问题的泛聊平时怎么学习...