面试时间：3.9部门：数据平台自我介绍第一段实习拷打：整体介绍一下第一段百度实习的产出实习中针对图片生成效果的评测标准是什么，如何构建评测集？讲解一下测试过程中比较典型的badcase。做测试基建时，你主要负责的功能有哪些？讲解一下agent skill针对ui自动化的实现细节。skill执行结果的执行量和通过率是多少？执行过程中的报错和执行被打断如何处理？前端跳转不同页面之后，如何确保测试的连贯性和结果准确性，上下文衔接如何做的？这部分被狠狠拷打了接近20分钟第二段实习拷打：简单讲解一下这个后端项目的实习内容编写邮件模块时用到的设计模式讲解一下。策略模式具体实现细节。为什么想到从开发转测开，...

找实习太难了，欢迎大佬拷打简历😭

双非学校， 八股大概看了一遍，该去投中大厂吗，还是继续沉淀再投。

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 ...