周一早上，导师站在我工位旁边，把笔记本电脑转向我，屏幕上是一张监控大盘。 "这周我去上海出差，跨团队做技术对齐。这几个核心指标你盯着，有异常先看看，拿不准再找我。" 我点了点头，心里其实有点紧张。来拼多多实习两个多月了，系统的代码我已经比较熟悉，日常的需求开发也能独立完成。但"系统交给你"这五个字的重量，我是第一次感受到。 导师像是看出了我的犹豫，拍了拍我的肩："放心，之前你处理的那几个问题都挺好的。遇到不确定的，群里喊一声就行。" 前三天，一切风平浪静。我按部就班地处理了两个小需求，跟进了一个测试环境的问题，还帮隔壁组的同学排查了一...

报志愿时候是幻想的学技术时候是后端的找实习时候是卷爆的谈薪资时候是压价的上班的时候是想死的我当务之急应该马上回家里蹲准备考公考编，而不是在这里天天加班开会😡

目前项目俩玩具项目，无比赛经历，只打过没有含金量的蓝桥杯，boos沟通100多，至今无面。现在每天边投，边背面经，边用ai进行简历拷打没有正反馈，真的感觉很无力。不知道下一步该怎么办，考研考公也没有想法。请各位佬们痛击➕指点，谢谢了

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 ...