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 ...

挑战全网最惨27届应届生。十几场面试全挂，道心破碎，后续不打算面了，先调整一下心态了。金三银四感觉和双非无关

作为计算机专业，身边同学一半北漂去了中关村西二旗，一半沪漂去了张江漕河泾，自己也在两个城市都实习过，今天从程序员的视角，用6个最核心的维度，拆解北漂和沪漂到底哪个更苦，给正在选城市的牛友们一个最真实的参考。先给核心结论：基础生存层面，北漂更苦；精神生活与长期发展层面，沪漂更磨人。租房与通勤老破小溢价极高，通勤两极分化严重租房选择更多，通勤更平均北漂更苦气候与生活干燥、沙尘暴、冬天极寒，生活配套粗糙梅雨季、冬天湿冷，生活便利度拉满各有各的苦，北方人怕沪漂，南方人怕北漂职场与加班互联网卷度拉满，职场无边界感卷度不低，但职场边界感更强北漂更苦落户与长期发展户口门槛天花板级，几乎无落户可能应届生落户政...