英雄互娱

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 ...

0实习，什么都没有，一问三不知简历如下求建议，算法什么的也不懂

求各位牛爷爷指点

1. 自我介绍2. 项目拷打3. 什么是 AI Agent？AI Agent 是一种以目标驱动的智能系统，不只是根据输入生成文本，而是能够围绕任务目标进行理解、规划、调用工具、获取外部信息、根据反馈调整行为并完成任务。它的核心组成一般包括大模型、记忆、规划、工具系统和执行控制。和普通聊天模型相比，普通模型更偏向一问一答，Agent 更强调任务闭环。比如查询订单、生成报表、分析异常、调用接口、触发流程，这些都更接近 Agent 的典型工作方式。4. Agent 和普通 RAG 的区别是什么？RAG 的核心是检索增强生成，重点解决模型知识不足、知识过时和领域知识缺失的问题。流程一般是先检索，再把检...