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 ...

总的来说，这是一场收获很大的面试，感觉面试官不是以老员工的角度来拷打我，而是以一个引路人的视角带着我去思考一些场景问题，用一些真实场景来向我展示平时所学应该如何应用，然后问问题也都是笑着和我聊天那种问法，感觉是一个很有人格魅力的人，就是在他面前基本上说不了谎，而且感觉他更喜欢那种真诚地回答以及真实的思考，真的对我自己有很大的帮助，真的给字节点个大大的赞

BG：27届2本9硕，求职意向后端 困惑：做了好多Ai coding了，怎么感觉后端干不久了呢（碎碎念  接下来还是给大家带来携程暑期实习二面的java后端面经！  自我介绍； 你觉得你项目中最闪亮的点是什么？ 答：开始吟唱 （随后开始问项目） 多线程环境下确保线程安全的几种方式？ 答：synchronized、ReentrantLock、ReadWriteLock等锁机制，以及volatile等关键字对可见行和有序性的保证 volatile如何保证？ 答：举了个i++的例子； 如何排查full GC频繁出现？原因？ 答：dump文件，分析老年代占用情况； Redis集群的方案？ 答：主从复制...