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 ...

双非的非科班生 0实习投了200+公司  石沉大海面试邀约都收不到简历问题应该很大吧，参考大佬的项目经历根本没实力写进去，包装有什么问题求指正。为了拿到面试邀请一直在学习实操ing实力太菜，只敢投中小或者小公司……

真投了你又不给ps:楼主其实比起去大厂当螺丝钉 更想去一些初创公司或外企。楼主是一年不到的社招。

由于楼主技术栈的原因，加上好高骛远，不想做笔试，所以基本上没怎么投暑期，手、团这类公司是技术栈差别，阿里等其他公司卡学历，腾讯在职投不了其他部门。所以最终只投了字节，年前接到飞书面试，年前没时间面，约到年后2.26 飞书一面3.02 飞书二面3.03 挂3.12 HR电话约面3.17 广告一面3.24 广告二面3.27 挂之前还被其他同学说运气好，两次面的部门技术面都是只有两面，但都是倒在二面了，而且都是聊的不错，但还是被挂了。暂时在这边好好呆着吧，过了冷静期，等其他佬拿完offer我再投字节