转租(10月后转)，北京中关村软件园

牛友们，这样的简历是不是都没人要，我技术不够，可是又没有时间去增进我技术了，目标中大厂，预计的暑期实习估计也够呛，大三下依旧牢，线下企业都要26届的，那我到底是收心钻研技术还是直接all in小厂日常实习骑驴找马，还是直接考研，上次发的简历排版有问题，看看这个简历过不过关？

何意味😄

…… 标题党了，对不起各位牛爷爷了，请问各位简历有没有要优化的

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 ...