字节跳动大模型算法三面复盘：简历项目被逐行深挖

《面试题目》

1. 你简历上写的“效果提升 X%”，基线是什么？提升来自数据、模型还是训练策略？消融做了没有？方差多大？
2. SFT 的数据从哪来？怎么去重、怎么筛质量？不同任务类型怎么配比？怎么防止灾难性遗忘？评估集怎么设计？
3. RL 的奖励模型怎么来的？奖励信号怎么设计？稀疏奖励怎么处理？训练稳定性怎么保证？和 SFT 阶段怎么衔接？
4. LoRA 和全参微调怎么选？DPO 和 PPO 在这个场景下差在哪？长上下文训练对数据有什么额外要求？
5. 你能否讲清一条完整的训练链路：数据怎么进、模型怎么训、效果怎么评、问题怎么归因？

《参考解析》

三面的本质是简历压力测试：面试官不是要听你复述项目，而是验证每个数字背后有没有实验设计。写“提升 X%”就要能说出基线、变量、消融、方差和统计口径；说不清的部分，要么补实验，要么从简历里删掉。

SFT 是一连串决策：数据来源、清洗规则、去重、任务配比、训练轮次、学习率、灾难性遗忘的缓解、评估集构造，每一环都要有理由。回答时用“我们试过 A/B，B 在什么分布上更好，代价是什么”的结构，比背流程更有说服力。

RL 要讲清链路：奖励模型从哪来、奖励信号是否稀疏、怎么防 reward hacking、训练是否稳定、和 SFT 怎么衔接。只写“用了 RL”而不写自己负责的那一段，追问就会变成现场编故事。简历写七分、留三分给追问，是更稳的策略。