携程3.20一面 3.26二面

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 ...

求大佬们拷打简历，投了好多简历了，基本上都没面

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

整体考察范围很广，Java 基础、JVM、MySQL、Redis、Spring、并发、算法都有涉及，每道题不会问得特别深，但覆盖面很全，感觉是在快速扫描你的知识面。算法题有两道，一道链表一道树，难度中等，给的时间不多。总时长刚好一个小时，面试官最后说感觉还不错，让等通知。1. Java 中 synchronized 和 ReentrantLock 的区别是什么，分别适合什么场景？答：synchronized 是 Java 内置的关键字级别的锁，使用简单，加锁和释放锁由 JVM 自动管理，不需要手动释放，不会因为忘记释放导致死锁。但功能比较基础，不支持超时获取锁、不支持中断等待、不支持公平锁，也...