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 ...

😢 飞书电话会议。我真的搞不懂，那些问题我基本上都回答出来了，咋回事呢。

暑期实习投了十几天，能投的都投了，一个面试没有，pdd，快手，小米直接挂，不然一直都泡池子，简历还能怎么改进吗，后端还是太卷了

我是27年毕业，现在还没毕业在准备阶段，为9月校招先做准备，简历只有本科投硕士的，还没太改就不放了，我先介绍下自己。本科在吉林大学 仪器系 测控技术与仪器专业，毕业综测第二名，绩点3.895/4.0，保研硕士目前在哈工大本部 仪器系 仪器科学与技术英语比较差，擦边过的四级，六级还没考过，计算机拿了二级WPS和三级网络技术证拿过的奖，本科3次一等1次国励，还有个小社会奖学金，研一拿的入学特等。本科实践课很多很多很多，数电、模电、信号与系统、嵌入式、控制系统、微机原理这些理论课都有对应的实践课，要做小项目的，对应的学的东西是VHDL、焊接技术和画PCB板、MATLAB、单片机、PID算法、汇编语言...