快手

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 ...

简历这样子想找个硬件实习够了吗

我今天的ai coding还没考，咋就发了测评和面试😅😅那我ai coding还要考吗😅😅😅😅

🏢 1.5 - 字节跳动 - 番茄小说（后端开发） 面试状态：一面（已挂，1.7 收到感谢信） 🗣️ 1. 自我介绍 常规自我介绍。 💻 2. 算法题（手撕代码） ① 数字串转化为字符串  题目描述：给出一个数字串（如 12322），要求给出所有可能的对应字符串组合（输出数组）。例如 12322，输出要列出 1 2 3 2 2 对应的字母 abcaa，12 3 2 2 对应 lcaa 等等。 结果：想了 5 分钟没思路，面试官主动提出换题。  ② 翻转字符串里的单词（URL倒置）  题目链接：************************ 结果：想了 5 分钟，在面试官指引下说出思路。...