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 ...

为什么第一段实习都找不到😂，211本，项目一个点评一个微服务商城，

求内推

山西到赣州的火车上面慢慢的翻开《软件工程师生存指南》。一本书的作用每个人所汲取的知识程度不同。自信与经验 美国的软件工程师定义生存指南。软件工程师工作职位行业的薪资水平一直是不同领域排名第一。大学本科毕业的时候去过上海找工作。上海的地铁更多交通十分方便。第一次的编程技术面试并不是十分好。结果确实是出人意料有公司HR的口头offer。  上海国际大都市金融商圈积聚很多的银行投资人才。网上投简历继续不同公司的面试。亲戚表哥江西师范大学计算机本科毕业。年龄差距两轮他购买银行的金融投资衍生产品。人情事故年轻人看得更轻。2020年的时候去上海银联总部工作。工作压力十分大离职回到广州。当时去过一些上海的高...