1. 自我介绍2. 项目拷打，重点说训练目标、数据构造和效果闭环3. SFT 的损失函数怎么计算，如果样本长度差异很大要注意什么SFT 本质上还是标准的 next-token prediction，常见就是对目标输出 token 做交叉熵损失。对于指令微调来说，通常不会对整个输入输出序列都算 loss，而是只对 assistant 部分或者需要学习的 target 部分做 mask。这样模型重点学习回答分布，而不是把用户输入再复述一遍。样本长度差异很大时，最需要注意的是 loss 的归一化方式。如果直接对 batch 求和，长样本会天然占更大权重，训练会向长回答风格偏移。更稳的做法通常是按有效...

这俩就是包装的外卖和点评，我boss投了十多天了一个面都没有，哎人都要焦虑死了，感觉暑假实习都拿不到，只能去学校实训了，到时候秋招能不能找到好工作都感觉有点难，有没有大佬指点一下，拜托了🙏🏻

先给核心结论：没有绝对的谁更痛苦，只有谁更适配你的现状。从长期职业发展来看，烂工作的隐性伤害远大于没工作；从短期生存来看，烂工作能帮你渡过生存危机，比没工作更现实。作为在互联网行业做了6年技术管理，带过十几届校招新人，见过太多应届生因为选错了第一份工作，职业发展走了好几年弯路；也见过很多人在家待业半年，靠沉淀和学习，最终逆袭大厂。今天就从全维度拆解两种选择的本质、伤害、适用场景，给所有应届生和职场新人一份可落地的选择指南。一、全维度对比：烂工作和没工作，到底在消耗你什么？我用表格把两种选择的核心影响，拆解得明明白白，一眼就能看清区别：核心痛苦来源日复一日的精神内耗、无意义的机械劳动、职场PUA...