字节三面

#美团笔试#

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 ...

实习经历 算法题：最小的k个数React和Vue的不同数组去重方法同步任务和异步任务区别事件循环机制Promise.all和Promise.raceArray.prototype.map、filter、reduce跨域方法XSS和CSRFHTTPS加密过程HTTP2特性输入URL到页面渲染重绘和回流CSS选择器优先级Flex布局BFC事件冒泡和捕获this指向闭包原型链继承方法深拷贝和浅拷贝防抖和节流V8垃圾回收React生命周期Virtual DOM原理React HooksVue响应式原理Vue.nextTickWebpack配置Loader和Plugin区别Tree Shaking原理性能优化方法

无八股 1. 自我介绍2. 实习项目拷打手撕：判断括号是否匹配京东的没有代码平台，注意提前准备好ide，我因为平常用linux发行版而不是windows现下了一个vscode写java🤣