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 ...

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

大学生活的时间没有持续很长。湖北武汉的大学朋友大学三年级的时候问过我一个问题 “开车回家过年”。开车回家过年 怎么设计一个实体类。当时没有多想面向对象的OOP design 。大学二年级的时候回老家过暑假的时候也尝试看我堆数据库的连接情况是否了解。电子图书馆的成功设计就可以顺利毕业。蹲在老家的那一年坚持看他大学二年级给的企业老板的JavaEE教学录屏。学校教师教学方式和大学外面的工作方式有很大的差距。  坚持练习计算机技术的书籍课程源代码是很好的编程学习方式。时间长久才会可以看懂企业Java EE的一些工作代码的实现方式。自信与经验相辅相成。Practise Java source code ...