补档：hr和技术面同时进行hr主要问一些校内成绩有没有挂科，然后就是base地点，薪资期望还有家里和实习技术面狠狠拷打了项目，感觉讲的有点不好，逻辑还是没有理顺，没有问八股。估计没有后文了，说通过下周发心里测评。实习的话是包装了包装，被狠狠拷打了，一问你这个具体干啥了，和谁对接的，怎么处理的，指标怎么得出来的就懵逼了，想办法解决了得，建议一定要对项目熟的不能再熟。

第一次发牛客，想让兄弟们给点建议，我就想找个Java实习🙄

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 ...