25届的，找什么实习呢

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 ...

主播27号面完，到现在还显示这个是不是要挂了啊

大家好，我是@程序员花海，眼下 26 届春招、27 届暑期实习全面开启，后端卷到没边，AI Agent的岗位占主导，很多牛友在我的评论区留言，想让我出一份Agent学习路线。我特意去看了下，打开淘天的招聘页面，以校招为例，一眼望去全是AI相关的岗位，只能说之后绝大多数岗位都会快速推进AI的落地和实践。之前写过 Java 后端 3 个月抢救路线https://www.nowcoder.com/discuss/824693499982315520?sourceSSR=users，也收到了牛友们的强烈好评，这次专门给后端转 Agent做一套最少必要知识路线—— 不堆概念、不啃论文，只学面试必问、项目...