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 ...

投递淘天前，boss上看了我的简历，然后邀请我投递他们部门，发了内推邮件过来让我填信息，还打电话跟我说赶紧投递，有什么问题可以问他，简历是他这过的，他可以给我过的，直接投就行。结果一志愿投完了给我挂了，问他就说简历初筛没过，不好意思，我又问他简历是你筛的吗？他说是的，我也不知道该说啥了

不过大厂的面试确实比小厂能学到更多

先说说为什么不建议直接裸辞。没钱 - 这是最现实的原因。租房、吃饭、还花呗，每个月开销至少3000+，裸辞意味着零收入，我撑不了几个月。简历好看 - HR看到"在职"会觉得你比较稳定，至少证明有公司要你。如果简历上写"待业"，人家可能会想你是不是被辞退的。心态更稳 - 有份工作在手，面试的时候没那么焦虑。我有个室友裸辞找工作，投了两个月没消息，整个人都快抑郁了。保持节奏 - 每天写代码至少让你技术不会生疏。我之前有段时间没实习，刷题手感都下降了。但是！边上班边找真的很累，时间管理和心态管理都是大问题。下面说说我的具体做法。