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 ...

offer审批等了三天今天终于下来了，一个不好的消息就是暑期变日常了，但是hr说还是可以转正，感觉转正机会还是很渺茫的听说也是晚上十点十一点下班

请教一下各位，这种是真的吗，我也没有投过简历给京东啊

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花过滤器（Filter）和拦截器（Interceptor）是Java Web开发中常用的请求增强组件，二者都能实现请求预处理、响应后处理的逻辑，但底层归属、执行层级、依赖环境、作用范围存在本质差异，适用场景也截然不同。简单来说：过滤器是Web容器层面的原生组件，拦截器是Spring框架层面的业务组件，二者处于请求处理的不同链路节点。一、核心定义与底层归属1.1 过滤器（Filter）过滤器是Servlet规范（JSR-315）定义的原生Web组件，属于Java EE标准，不依赖...