荣耀25届校招开始啦

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 ...

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

目标后端

本人26届硕士应届生，秋招签了个公司的嵌入式岗，主要搞linux开发，目前已经提前入职实习一周啦。 总的来说公司氛围还是不错的，有问题直接问同事都会耐心解答。去的第一周mentor就请喝饮料和请吃饭，第一周主要是看技术文档，理解公司产品业务逻辑和框架，然后使用linux进行应用开发。 看了一周文档今天终于上手写代码了，公司用到的技术以及要求和学校还是有挺大区别的，第一周非常懵，资料看的头疼，代码写的头晕，不过今天一下午还是写出来一个api接口，学到了不少东西，继续努力！ 提前来实习是因为公司实习工资和转正工资一样，还有公司的饭菜还挺好吃，每天只需8元，就可以吃自助三餐(贴个图)，感觉要吃胖，以...