科大讯飞武汉

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 ...

大学前两年天天玩，高数还挂了，从去年9月份到现在一直在学Java，今天把简历做出来了，项目学了很多，但是有些部分是只过了一遍，挑了几个放简历上了，要应付面试的话还得好好准备第一个问题，这个简历，大佬们有什么修改建议吗第二个问题因为我们学校5月份有个学校安排的实习，具体好像是硬件方面的，感觉很水，我自己想申请自主实习，现在是准备面试到什么时候开始投递呢第三个问题我们后端开发如果想去央国企的话是不是都要求硕士啊，然后央国企有什么需要特别准备的吗，跟私企的招聘有什么区别感谢各位大佬，祝大家都天天开心，发大财

欢迎大家投递哈，岗位多多，先到先得，感兴趣的话，OPPO全集团所有岗位都可以找我内推 OPPO内推推荐码【80399024】 内推链接：https://careers.oppo.com/university/oppo/campus/post?shareId=7292 早点投递，速投抢offer👇🏻 【💼岗位11大类】 AI/算法类、软件类、设计类、品牌策划类、标准研究类、硬件类、工程技术类、采购类、产品类、销售服务类、综合职能类 每人可投2个岗位！ 【工作地点】东莞、深圳、成都、上海、北京、西安、南京、重庆、武汉、杭州、海外 【福利待遇】极具竞争力的薪资、制化培养体系、多样化发展机制  ...