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 ...

想找暑假java后端实习 但是简历过不了 大佬们能帮忙看看嘛 谢谢！

过了，云智真tm香啊。😜

说一下背景，26届，数据分析，211本，目标是互联网数据分析+银行数据岗。从2月初投到3月中，陆陆续续投了47家，现在基本上岸了，复盘一下踩过的坑。 1、前两周填表填到想死 这个是我觉得最亏的。前面十几家全是手动填的网申表单，教育经历项目经历实习经历，每家都要重新填一遍，而且有的公司表单巨长，一家能搞15分钟。填到第十家的时候真的有点崩溃，明明都是一样的东西为什么要我填十遍。 后来室友给我推了牛客那个网申助手，录一次信息之后每家打开就自动填好了，我当时的心情就是：我前两周在干嘛。 点击获取：https://www.nowcoder.com/my/resume-plugin-intro 2、海投...