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 ...

哪里可以改改吗？是哪里出了问题😭

投春招这段时间，最深的感受就是：差距从有没有笔试就开始了。我是景德镇陶瓷大学计算机专业，没有大厂实习，项目也是学校里跟着做的普通项目。从三月开始陆陆续续投了几十家，有互联网中小厂、制造业信息化岗、本地企业、银行科技子公司、国企IT类。牛客首页一刷，全是美团、字节、腾讯、华为笔试晒图，说不羡慕是假的，更多的是无奈。我也投过大厂，但基本都是石沉大海，简历状态停留在“已筛选”就再也不动了。我很清楚，学校背景不占优势，简历也不够亮眼，很难挤进大厂笔试池。目前真正收到笔试的，都是一些对学校比较友好、偏向实用型的公司：几家本地制造业、区域互联网、银行科技岗、国企信息化岗。不多，但每一场我都很珍惜，都会提前...