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 ...

🙏求领域大佬：我的简历还有哪些优化点？后续在无人机导航定位方向该怎么规划更贴合行业需求？还能学习什么增加竞争力？麻烦大家指点～另求大佬内推，熟练Python/C++/PyTorch，算法设计→模型训练→板端落地全流程可做，简历已附！

刷到这个话题，突然就有了强烈的共鸣——如果把我们大学生当成AI，那些每天困扰我们的现实难题，就是最消耗“token”的存在，没有之一。尤其是我们这些计算机专业的双非学生，没有名校光环，没有顶尖资源，每一个难题都要拼尽全力去扛，耗的不仅是时间，更是心态和精力，就像AI被反复调用复杂任务，token一点点被榨干。作为一名即将毕业的计算机本科生，这段时间我深刻体会到，有些现实难题，比AI处理几万行代码、分析几十页论文还要烧“token”，每一个都让我深夜emo，反复内耗。最消耗我“token”的，首当其冲就是【春招求职+实习+毕业论文的三重暴击】，这绝对是现阶段的“token黑洞”。我们计算机专业，...

最终还是选择志杰了，🍠希望有机会在秋招再见吧