字节开始捞人面试了？

在ssob看到一个网络工程师的岗位，但是在官网上直接投递，反而找不到了，去其他几个常用的平台也没看到，关键他ssob上已读不回，想去官网试试也没机会

正文如题，通过转正答辩只描述了结果，为了达成这个结果我们往往需要将其拆解为若干关键步骤，只要相关的步骤都完成了转正就是理所应当的结果(HC数量少或业务变动除外)。工作量达标(有产出)对业务的理解到位工作态度端正(主动性强，责任心强)沟通能力达标(与合作的同事沟通顺畅)下面就上述若干点逐一叙述。工作量达标工作量也即产出，可以通俗地理解为上线了多少需求，写了多少代码。对于不同业务线的同学来说，工作内容也有所不同。比如业务部门的同学平时主要关注落地实际需求，也有一些性能优化的技术需求(例如优化接口耗时)。实习的同学一方面由于经验不足，大部分工作都是由mentor指派一些较为简单的需求。对于交代的需求...

开春了，开始投递简历找下一段实习，还是比较倾向于能转正的暑期实习的...但现在似乎没什么大厂开了暑期（除了字节？） ，又想通过面试去发现自己的不足（有了大厂实习，小厂已经很难约面了，也不太想面小厂....），只能去投大厂日常，那大厂日常过了不去会影响以后的暑期吗...或者日常没过会脏面评吗，暑期就约不到面了这样...我现在应该继续投大厂日常练手后再转向暑期（又很担心上面的问题）；还是先不执着于面试练手，等暑期开了先all in暑期，实在找不到暑期最后再回归日常吗。。。。。太难了..

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 ...