荣耀一面

现在找工作卷成这样，很多人简历上的实习经历看着特别厉害，又是独立负责项目，又是数据显著提升，又是产出重要成果。可真要细问几句，流程说不清楚，细节对不上号，逻辑也稀碎。 其实包装一点可以理解，但别把自己都骗了。真正有用的实习，是你真的参与、真的思考、真的解决过问题。全靠编出来的漂亮产出，面试一戳就破，入职之后也扛不住活。与其花心思美化简历，不如踏踏实实做点能拿得出手的东西，心里有底，说话才硬气。#你的实习产出是真实的还是包装的？#

这家公司疯了吧，5个人招我，我又不是什么稀缺资源这家看样子应该是外包公司

目前大三下，学院本，投了五百多份简历，才得到的这份实习，大概是一个八九百人的厂，分公司挺多，但是来三天了，啥工作任务都没有，每天坐在那里刷力扣，我想问问各位大佬这种情况正常吗

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 ...