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

腾讯 京东oppovivo快手美团百度字节蚂蚁上面的厂都投了，有的直接简历挂了（快手  阿里挂的最严重），测评做了，有的给了笔试，但为啥大多都一直卡流程？卡在“简历筛选/评估中”，这是怎么回事？项目不行？还能找到实习吗？

一个朋友985末流硕士，秋招投了30多家，现在手里拿着4个offer在纠结。这一个月下来发现个事儿：不管啥岗位，面试官都开始疯狂问AI了。后端问、前端问、测试也问，搞得我一度怀疑自己是不是投错岗位了。趁着还没入职，把这段时间被问到的AI问题记录下，给后面的兄弟们避避雷。最基础但最高频的问题"你平时写代码用AI吗"这题我被问了得有20次吧。一开始我还想着要不要说用，怕面试官觉得我能力不行。后来发现不用反而更奇怪，现在都2024年了谁还不用点工具。关键是你怎么说。我见过有个哥们儿说："用啊，我现在代码基本都AI写的，我就改改。" 然后面试官问了几个细节问题他...