微软一二面凉经

最近或许大家都听说xxxx厂裁员，无论前端，后端，大数据，测试，运维，人人可危， “前端死了，后端也死了，JAVA崩盘了，你们这群搞大模型的真是码奸”这次AI真的会让我们无路可走吗？？？？？？？？太阳底下已经没有新鲜事了旧的生产力的消失，必然有新的生产力诞生马车夫消失 → 汽车司机、修车工、石油工业诞生，从业人数是马车夫的百倍手工纺织女工消失 → 纺织机械工程师、面料设计师诞生，纺织品产量提升百倍2007年苹果开放 App Store，"移动端开发者"这个职业压根不存在。八年后，全球应用经济规模突破 1000亿美元，凭空诞生了数百万开发者岗位。每一次"这次真的完了...

给点建议吧，投不到工作😭😭😭

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 ...