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 ...

过了，云智真tm香啊。😜

春招实习都投了好多，全是拒绝，有一两个面试，面完也觉得希望渺茫，果真应证了那句26届学院本，buff拉满了

本人27届毕业生，去年暑假开始准备后端方向，java语言。拖拖拉拉到现在。目前做了苍穹，正在学redis和算法，四月份准备蓝桥杯，还有Springcloud八股都还没学到，感觉有点来不及了，想学完现在的东西，立马开始学习八股和算法，狂学刀蓝桥杯结束，然后写简历，投简历，倒时候边投边学，不然怕面试随便问一个八股我都答不上来。这种方法可行吗，求助各位大佬。