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 ...

投boss已经投麻了，好多都是已读不回，找不到啥约面的机会，想求问一下各位大佬现在是继续找日常好，还是冲暑期好，找暑期我怕要求太高过不了面两个项目都是我问ai写的，求问大佬们还有啥需要改进的地方吗

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

第一天到公司的时候，我自己上楼了(入职邮件说了是哪一层)，到了相应楼层，给导师打电话，导师一脸吃惊，说怎么我就到了，还以为我过段时间才来，导师穿着一双拖鞋，留着长发，稍显随意，导致我对导师的初步印象是：这靠谱吗，哈哈哈给我安排好工位、办公电脑，转一圈认识组里同事之后，我就问导师组里的业务是啥，有没有一些资料让我熟悉一下。起初导师给我发了一些PPT，我看了一两个小时之后，导师突然间走过来，说：“算了，业务太多了，我给你讲讲和组里现在做的比较相关的”。然后花了一个小时，给我梳理了一遍组里的业务和相关专业名词，还给我介绍了整个技术栈。当天中午，导师就带我去饭堂吃饭。吃饭聊了一下，发现我俩没啥代沟，导...