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 ...

下面按真实面试高频整理，覆盖算法岗 / 大模型 / 工程 / 产品四类最常见 AI 岗位，直接背就能用。 一、通用必问（所有 AI 岗都跑不掉） 1. 自我介绍（1 分钟版：学历→项目→技术栈→亮点） 2. 机器学习基础 ◦ 过拟合怎么解决？ ◦ 正则化 L1/L2 区别？ ◦ 准确率、精确率、召回率、F1、AUC 含义与适用场景 ◦ 交叉熵、MSE 损失函数区别 3. 深度学习基础 ◦ 梯度消失 / 爆炸原因与解决 ◦ BatchNorm 作用、原理 ◦ 优化器：SGD、Adam、RMSprop 区别 4. 编程 & 工程 ◦ Python 基础：装饰器、多线程、GIL ◦ Pand...