长沙-数字马力-等offer

前30min自我介绍+项目经历。ps:项目经历感觉没问很深的细节，也没拷打，就看我简历的技术栈来问的（看你这边写熟练mysql，那巴拉巴拉，看你熟练http，tcp，那巴拉巴拉）。agent项目细节一个没问。项目部分问题：1.你这些是实习项目吗？（我说找的然后自己做优化）2.你这个里面为什么用Lua脚本？3.redis那个服务端，怎么保证这个原子性的？4.redis的实现架构上，比如说他的线程模型，进程模型，以及他的并发角度，来解释一下他的原子性。5.redis的持久化策略？为什么两个都用？6.我看你用了一个令牌桶+滑动窗口双算法限流，这个地方能简单描述一下调研了哪些限流方案？，或者你了解哪些...

是简历有什么问题吗，求大佬指点要玉玉了

😭这是给挂了吗，都一周了还显示这个。。。。

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 ...