2024，劳动法如何维权？

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 ...

学院本真的没希望了吗😭秋招0offer，投了也石沉大海，求各位佬指点一下😭

本篇为学员投稿，二面已拿到 offer！，分享出来给大家参考。二面和一面完全不是一个风格。一面考的是你会不会，二面考的是你能不能用、能不能想。面试官是组内 tech lead，开场先聊了十分钟竞赛经历，问得很细，不是走过场，是真的在看你解决问题的思路。然后顺着项目一路追问，每个技术选型都要说清楚为什么，有没有考虑过其他方案。后半段聊到了 AI 对嵌入式行业的影响，这个问题很开放，没有标准答案，面试官更想看你有没有自己的判断。整体氛围比一面轻松，但对思维深度要求更高，背八股没用，要真的思考过。1. 自我介绍 + 竞赛经历深挖面试官让我介绍了一下参加过的竞赛，然后开始追问："你在比赛里遇...