美团春招

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 ...

佬们求助，28小登已经boss上沟通了300了，牛客投了很多也是简历秒挂，想问下大佬们是哪出了问题呀，海投的中小厂，现在还是0面

就是觉得好漂亮，可能是配色？

一个朋友985末流硕士，秋招投了30多家，现在手里拿着4个offer在纠结。这一个月下来发现个事儿：不管啥岗位，面试官都开始疯狂问AI了。后端问、前端问、测试也问，搞得我一度怀疑自己是不是投错岗位了。趁着还没入职，把这段时间被问到的AI问题记录下，给后面的兄弟们避避雷。最基础但最高频的问题"你平时写代码用AI吗"这题我被问了得有20次吧。一开始我还想着要不要说用，怕面试官觉得我能力不行。后来发现不用反而更奇怪，现在都2024年了谁还不用点工具。关键是你怎么说。我见过有个哥们儿说："用啊，我现在代码基本都AI写的，我就改改。" 然后面试官问了几个细节问题他...