我也想进池子

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 ...

随时随地都有可能error

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

📍面试公司：快商通🕐面试时间：3.27 17:30-18.00💻面试岗位：agent全栈开发自我介绍完后，要求共享展示屏幕vibe coding。展示中问了个人vibe coding使用心得。简历项目的出处（竟然还要求我展示项目，直接说不在这个电脑），不依不饶抓着问项目的github，还好简历中有一个是真的。简历项目难点怎么解决的，怎么去找到难点并怎么通过vibe coding的形式解决的。然后问使用cursor ，trace cn，cc的使用感受和偏好。ps：面试真能锻炼人，现在整体就是一个很松弛的面试状态，要求展示vibe coding也没啥，感觉就是看你有没有软件和使用经验。