【虎牙内推信息】

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 ...

我现在这个水平大概能拿到多少薪资的offer😂

大佬们快救救孩子吧，想找个日常实习，投了都是未读和已读不回啊

大家好，我是@程序员花海，之前出过2篇完整从后端转Agent开发的学习路线，也收到了广大牛友的好评，感谢支持！不过首先声明一点，要不要转Agent开发完全按照自己的判断和市场上岗位的需求来决定，我只是单纯分享学习心得。我是从24年的时候开始系统落地Agent，那个时候岗位还没有现在这么多，接触这方面也是业务调整，现在AI coding越来越普及，甚至很多公司的岗位纯后端业务开发放出来的已经很少了。也看到很多牛友焦虑说后端开发不行了怎样，其实不必要焦虑过多，你像拼多多始终不碰AI，人家不是也好好的么？Agent开发还是以后端架构那一套为基础，再加一些相关的内容，因此学习路线上来说还是先学后端，再...