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 ...

各位niu友们，实验室不放实习，跟着老板做的CV。目前自学了agent，2本中9硕，秋招能找到容身之处吗，孩子已经焦虑哭了

面试官迟到至少20分钟。然而很快结束。有点小难受1.自我介绍2.拷打实习（4分钟，两个问题，一个问从需求到流程到上线自己怎么做的。一个问我简历上那个亮点有没有其他的解决方案，由于亮点包装的，被问到卡壳了很多，估计主要因为这个让面试官不满意，导致后面随便问完就结束）3.springcloud有了解过吗4.ai开发过程具体用得最多的场景5.结束，甚至没有反问。

手上没实习，刚有一个浩鲸的实习，大佬推荐去吗