作为正在春招的大四后端学生，对这句话深有体会。很多时候说完便石沉大海，既无通过喜讯，也无拒信反馈。比起漫长的等待，更希望得到明确结果。求职路上，希望反馈的时间快一些，而不是处于通过又没通过的不知道状态。#HR最不可信的一句话是__#

27届大三，想找个日常实习，中小厂的。简历有什么问题嘛，boss投了400好多消息都没读😭求友友们给点建议

今日首蚌，真的很难绷住

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 ...