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 ...

一开始签了个AI coding什么的，当时想欸这么好可以用AI？（似乎那个AI coding是ai面试？）然后再看又是切屏不计入，又是允许本地IDE，干脆直接chatgpt启动了出来和大家讨论发现好像不能用AI上小红书搜发现这么干的不是少数，尤其是本地IDE直接是cursor和trae的而且发现这个问题去年秋招就有人问过，更离谱的是当时有的人问HR，有的HR说可以有的说不可以现在发了邮件去问招聘团队了，感觉是细则没写清楚要是直接说不能用不如直接签到题走人更省时间

是我写的代码太烂了吗

2016年大学本科毕业之后没有从事自己想要的工作选择。上海的工作并没有得到认可。年轻人是时代的弄潮儿。时尚和美观操控着每个应届毕业生的不服输心态。测试题目的检测开始好转并得到面试官技术认可。学校大学本科校招时间窗口期很多的知名公司会进入一些名校高等学府进行校园招聘。宣讲会听讲认真但是并没有发现什么长处。呆呆的看着大学生打篮球有的时候 完美世界 的宣讲会就没有再次参与。专业实习的笔试成绩前端技术勉强通过面试官的技术标准。不理想的笔试成绩很有可能会拦着大部分面试官。甲骨文Oracle公司的笔试成绩7分表示这方面可能并不弱。  突然要离开大学回到南方。无法释怀的是一些外国大学留学生的抛掷过来的奇怪眼...