深信服大连线下一面 估计G

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 ...

大佬们帮我看看 👉👈

大学前两年天天玩，高数还挂了，从去年9月份到现在一直在学Java，今天把简历做出来了，项目学了很多，但是有些部分是只过了一遍，挑了几个放简历上了，要应付面试的话还得好好准备第一个问题，这个简历，大佬们有什么修改建议吗第二个问题因为我们学校5月份有个学校安排的实习，具体好像是硬件方面的，感觉很水，我自己想申请自主实习，现在是准备面试到什么时候开始投递呢第三个问题我们后端开发如果想去央国企的话是不是都要求硕士啊，然后央国企有什么需要特别准备的吗，跟私企的招聘有什么区别感谢各位大佬，祝大家都天天开心，发大财

入职手手一周啦，刚入职就领取了好多礼包，有公牛插排，罗技鼠标，各种数据线（目前用不到的一堆乱七八糟的线），笔记本和笔，据实习同事说每个月都可以***取 ，有免费的咖啡可以喝，今天喝的卡布奇诺（上班人的救命稻草），还提供免费的雪糕，部门的mt和ld给准备了好多零食！薪资待遇：看岗位和学历工作时间：看部门，我的部门是10-8，午休2小时，晚饭6-7，上班时间7h～，工作很轻松，不会加班，能学到不少东西餐补：入职当天就给180餐补打到卡里，工区的餐饮都能刷卡，最喜欢的就是逛七鲜便利店（不花钱的感觉尊嘟不太一样～），还有巴黎贝甜（甜品🍮脑袋的福音）和喜茶！每天八点下班打卡30餐补自动到账，感觉卡里有...