哈喽,大家好,今天又是简历点评的一篇博客,继上篇博客点评了简历之后,很多同学后台发我简历让我帮看,然后我发现了大部分同学的简历还是写的很差,可以说是非常差,如果有看过我之前写过的经验贴的话或许就不会这样来写简历了,也可能是执行力太差了,要知道简历是我们的门户,如果简历都不好好写,那么给HR和面试官的第一印象就非常差,已读不回和要简历没下文的概率就很大了,下面点评一下这位同学的软测简历:一.实习经历点评 实习这块都没有什么要说的了其实,基本都是胡编乱造,写的都是没用的内容,如果对于i一个小白来说,哎写的不错的这个实习经历,要业务测试有业务测试,要自动化有自动化,怎么会写的很烂呢? 对于稍微有经验...

大二大三那会非常的向往互联网大厂，进去之后刚开始会觉得各个都很牛，只有自己是菜狗，干了一段时间会发现外表光鲜靓丽的某个人或者公司原来内部也就这样。即使是你的领导或者你的导师一样都会有不会的不懂的。实习或者找工作也都是这样，别把别人想的太厉害，大家可能会觉得自己的经历或者项目什么的比较拉不好说，不用怕，大胆的吹，你的面试官大多时候都不了解你的细节，只要你能自圆其说就行了。不过大厂之所以能成为大厂肯定也是有厉害的地方的，厉害在有几个天赋型的选手搭建出一套完整可执行的规则，后人照着做就不会出大问题。

😢 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。

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 ...