百度 前端

一、行业 / 公司新闻 1. Anthropic 招聘武器专家防止 AI 滥用，BBC 报道引发关注  摘要: Anthropic 发布"化学武器与高爆炸药政策经理"岗位，年薪 285K，要求至少 5 年化学武器/爆炸物防御经验，需了解"放射性弥散装置"（脏弹）。  2. Anthropic 市场份额大幅提升，企业客户争夺战升温  摘要: 在首次购买 AI 服务的企业中，Anthropic 在与 OpenAI 的正面竞争中赢得约 70% 的客户。Ramp 平台数据显示，一年前仅 1/25 的企业使用 Anthropic，现在已接近 1/4。  3. 30...

"你简历上这个项目模型准确率提升了15%，是怎么做到的？"——这是最容易翻车的题。如果项目是跟着教程做的，细节根本经不起追问。面试官会问你数据集怎么处理的、baseline是什么、调了哪些超参数、有没有做消融实验。没有亲手做过的项目，真的一问就露馅。

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 ...