终于找到肤白貌美大美女了

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 ...

这种简历可以吗想进个小公司就可以了，只想有个稳定的工作有点结巴

我现在这个水平大概能拿到多少薪资的offer😂

我认为实习的产出有以下几个部分构成，日常工作安排，协助mentor进行需求开发，阅读相关业务文档。产出的唯一原则就是：你学到了，就是自己的，就可以写到自己的实习经历上面。从接口调试、数据库优化到参与业务逻辑落地，每一行代码、每一次 bug 修复都是实打实的积累。不虚构项目、不夸大成果，靠真实能力立足，踏实比光鲜更重要。#你的实习产出是真实的还是包装的？#