零束科技研究所数字硬件岗位——笔试题

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

大佬们看看，有没有什么还要修改的地方，第一个项目做的是黑马点评，加了一个rabbitMQ，第二个项目是鱼皮的API开放平台结合了一下鱼皮的大语言对话模型项目

完全没人约面，之前唯一一个给面试的字节一面挂了，麻烦大家看看是哪里的问题？我认为可能的几个原因：1.大厂筛简历不看pdf，只看在线填表的简历，我因为没有竞赛经历，没有实习经历，英语46级分太低等等，好几个模块是空的2.没有实习经历（那现在要去找个小厂实习先干着吗？感觉对暑期实习帮助不大啊）3.pdf版简历本身有问题，但我实在是不知道该咋改了最近真焦虑坏了，有种不知道该往哪里努力的感觉，完全没面试导致我都不知道该去提升哪方面了，求各位大神指点指点