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 ...

这种实习能去吗？    

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

近年来，中国音乐行业迅速发展，国产音乐宿主音虫的推出打破了传统市场的格局。音虫软件不仅是由国人独立研发并免费提供，还预示着国内研发团队在音乐软件领域的崛起。乐哥在与朋友闲聊时，得知了一个令人振奋的消息：中国终于迎来了首款由国人独立研发设计的音乐宿主软件，而且这款软件还是免费提供的！这无疑让乐哥欣喜若狂。长期使用国外宿主软件的乐哥，没想到能在有生之年目睹国内研发团队在这一领域的巨大突破，深感中国的发展速度之快，音乐行业也正悄然崛起，开辟出一片崭新的天地。