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 ...

腾讯面试这个状态是啥意思

发布时间：2017年6月 ES8 新增了异步编程的关键特性，同时完善了字符串、对象等基础能力。  1. async/await ES8 最重要的特性，让异步代码看起来像同步代码。 基本语法 async function fetchData() { let res = await fetch('/api/data'); let data = await res.json(); return data; }  工作原理  async 函数总是返回一个 Promise await 只能在 async 函数内使用 await 暂停函数执行，等待 Promise 结果  对比回调地狱和 Promise ...