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 ...

在boss上投简历，沟通和投出去的比例是12:1，是我简历不够好吗，还有什么能优化的地方

2026年03月20日 虾皮一面全程45分钟。 一、简历与项目经历自我介绍实习介绍项目难点：在实习或项目中遇到过哪些比较难的地方？有没有遇到过并发问题或同步问题？二、基础知识问答锁机制：你知道什么叫悲观锁和乐观锁吗？你知道什么叫读写锁吗？（追问：还有其他特点吗？）IO模型：同步IO跟异步IO的概念是什么？有什么区别？阻塞IO跟非阻塞IO的概念是什么？（追问）同步/异步 与 阻塞/非阻塞 这四者之间的关系是什么？框架与中间件：你知道零拷贝（Zero Copy）是什么东西吗？日常开发代码手写多少，AI写多少？抢票系统：怎么用Kafka来做验证码登录校验？当时选择Kafka的目的是什么？Java关键...