24、25、26、27届的互联网校招生或准校招生，我想简单做个调研，在ai对行业冲击如此猛烈的情况下，你们有信心在互联网待上多少年而不被彻底抛弃然后被迫转行呢？

求大佬指点，想找一份日常实习，可是投了快1000份，只有40个要了我的简历，只有两个面试机会，而且其中一个上来就要我签劳动合同我没同意，怎么办，出路在哪！！！

如题，八股现在背了一半，hot在刷2遍了，但是好多忘了喵，现在打算边投遍复习了，简历还有要修改的吗？求狠狠拷打喵！！！！

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 ...