何时才能来一个offer😭

📍面试公司：腾讯🕐面试时间：2026.3.20💻面试岗位：软件开发-测试开发方向❓面试问题：1、自我介绍&对方介绍； 2、实习拷打； 3、算法：重复出现的字符； 4、算法变形：不使用额外空间； 5、功能实现：微信发红包； 6、功能实现变形：我忘了（因为没写出来，后来提醒了半天，终于口诉出了思路） 7、反问：如果想借用工具扩大能力边界，该多进行哪些方面的思考；（因为实习拷打有聊到这方面）🙌面试感想：第一次面两个小时，给我面懵了，但是很意外的一点八股都没有，就像聊天一样，只是四道代码题，实在是给我做懵了，许愿通过，我是鹅孝子；

打算暑假去实习，大佬们看看我的简历ok吗？😖😖

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 ...