绕远路就是捷径，捷径就是绕远路。

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 ...

牛客网你tm用的哪个时区的时间

我是学院🐭，没面过大厂，官网投的都是秒挂，这是拿我刷kpi的吗？要尝试一下吗？

说句实在的，真的会，但没大家想的那么夸张。第一眼看着舒服、干净利落，面试官对你的初始好感度肯定高，尤其很多岗位看形象气质，同等条件下，长得好看确实占优势。但也就止步于“第一印象”了。真聊起专业、经历、业务能力，颜值再高也顶不上靠谱的实力，长得再好看，一问三不知照样没戏。简单说：颜值是加分项，不是必选项。收拾得清爽精神，比单纯长得好看重要多了。#长得好看会提高面试通过率吗？#