24暑期实习

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 ...

本2硕9，简历里就写了一个点评和一个rpc，有点焦虑，hot100写过一遍感觉和没写一样，八股每天看，但是感觉有点看不下去，看一会就没劲，求骂醒目前才开始投，投了一个vivo，一个亚马逊，一个腾讯

年后投到现在至今0约面，是哪里出了问题，是背景问题还是简历问题呢希望大佬指点一下

哈喽,大家好,今天又是简历点评的一篇博客,继上篇博客点评了简历之后,很多同学后台发我简历让我帮看,然后我发现了大部分同学的简历还是写的很差,可以说是非常差,如果有看过我之前写过的经验贴的话或许就不会这样来写简历了,也可能是执行力太差了,要知道简历是我们的门户,如果简历都不好好写,那么给HR和面试官的第一印象就非常差,已读不回和要简历没下文的概率就很大了,下面点评一下这位同学的软测简历:一.实习经历点评 实习这块都没有什么要说的了其实,基本都是胡编乱造,写的都是没用的内容,如果对于i一个小白来说,哎写的不错的这个实习经历,要业务测试有业务测试,要自动化有自动化,怎么会写的很烂呢? 对于稍微有经验...