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 ...

本来觉得混了段实习应该比找第一段的时候好点 怎么感觉还是没有面试哇

如题，八股现在背了一半，hot在刷2遍了，但是好多忘了喵，现在打算边投遍复习了，简历还有要修改的吗？求狠狠拷打喵！！！！

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花核心结论：Redis内存碎片是已分配但未被使用的零散内存块，常见于频繁增删改场景，会导致内存浪费、OOM风险，需通过INFO memory监控并主动整理。一、什么是内存碎片？内存碎片指Redis已向操作系统申请到的内存（used_memory_rss）中，未被有效利用的空闲小块。这些碎片虽总存在，但因不连续、大小不匹配，无法被新数据复用，最终表现为：实际存数据内存（used_memory）远小于操作系统分配内存（used_memory_rss）内存利用率下降，甚至触发maxm...