上海实习薪资

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...

没必要在学校疯狂卷了

CPU 飙高排查我一般分三步：第一：确认是用户态还是系统态高，用 top 看 us/sy/wa第二：定位具体进程，再定位线程第三：结合线程栈分析是死循环、锁竞争、GC 频繁还是线程过多1）us 高、sy 低、wa 低含义：纯用户态计算，无阻塞、无系统调用、无 IO典型原因死循环复杂计算 / 递归JSON / 序列化疯狂正则回溯爆炸GC 线程疯狂（VM Thread、GC task）栈特征：大量 RUNNABLE，一直占 CPU 不释放一句话：us 高 sy 低 = 业务代码死循环 / 计算密集 / GC 频繁，直接 jstack 找 RUNNABLE 栈。2）sy 高、us 低 / 一般含义：...