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 ...

是简历有什么问题吗，求大佬指点要玉玉了

本人大三，在找日常（暑期）实习，年后这一个月面了几家大厂，但都挂了，有的直接在初筛阶段就给我踢了。最好的就是字节进了二面（字节实习生一般三轮：技术面、主管面、HR 面），二面结束以后我过几个小时就点开邮件看看，心想这次一定要拿下，如果能进 HR 面的话基本就稳了。我面完当天晚上做梦都梦到拿到了 offer 给我乐醒了，打开手机一看原来是梦。第二天打开邮件收到了感谢信，心情直接跌到谷底。这几天一直在自我怀疑，就在想每天这起早贪黑的，睁眼闭眼就是算法代码，到头来还是一场空，真觉得挺没意思的。我的性格一直比较要强好胜，我太想要一个机会来证明自己，但是没有办法，无论是我的学历，学校，还是学术项目，竞赛...