求石药集团校招公共事务专员

大专女生，移动应用开发（java）和运维。求带

作为大四后端实习生，我每天在成长与消耗中反复拉扯，工作不可能无时无刻在成长，也会有一些琐事消耗着我。最重要的是如何看待吧。白天跟着导师改接口、调bug，从不会用框架到能独立完成简单模块，每一次解决问题都是实打实的进步。可深夜加班改重复的需求、应对无意义的返工，又让我身心俱疲。我一边珍惜这份能积累项目经验的机会，一边被琐碎内耗得想逃离。原来实习从不是非黑即白，成长是底气，消耗是警醒，我在这份矛盾里，慢慢看清自己想要的方向，也在咬牙坚持中，为秋招攒足力量。#你现在的工作，是“成长”还是“消耗”？#

26届春招找实习，这份简历可不可以，没啥要求能找到实习就好，当然越好的公司越好😭求各位佬解答

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 ...