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 ...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

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。

参加了 联影医疗 嵌入式软件开发一面，整体感受是：问题不多，但每一道都可以“往死里问”。面试官不会刻意区分 MCU 或 Linux，而是围绕“你是否真正理解系统如何运行”不断追问，从语言本质、硬件行为到操作系统机制，很多问题如果只是停留在经验层面，很容易被继续往底层追溯。以下是整理出的 18 个问题，基本还原当时的技术深度。面试题目C 语言中一个变量从定义到被 CPU 访问，中间经历了哪些过程？编译器、链接器和内存布局分别做了什么？指针解引用时，CPU 具体做了什么？如果访问了一个非法地址，会在硬件层面发生什么？volatile 能解决所有并发可见性问题吗？在多核系统和单核中断场景下分别有什么...