介绍自己怎么接触的前端，怎么学习的前端实习项目相关，背景痛点，技术难点执行流程题 var name = 'global'; function test(){ console.log(name);//undifined var name = 'local'; } test();  var name = "mary"; function hello() { console.log(name); } function hello1() { var name = "bob"; hello(); } function hello2() { var name = &...

四段实习经历，三段大厂。。春招至今0面试。。。受到好大的打击啊

双非一本，八股刚开始，这个简历能找到实习吗。。。

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 ...