荣耀 机器学习工程师 一面

前言我的速成找实习/春招的经验帖子：链接我的学习后端和agent2手抓的专栏：链接第一梯队（头部大厂）拼多多（长宁区）：拼多多、多多买菜、Temu携程（长宁区）：携程旅行、Trip.com、天巡哔哩哔哩（杨浦区）：视频社区平台蚂蚁集团（支付宝）（浦东新区）：支付宝东方财富（嘉定区）：东方财富证券、天天基金美团/大众点评（杨浦区）：美团、大众点评饿了么（普陀区）：外卖平台小红书（黄浦区）：内容电商平台字节跳动（上海研发中心）（闵行区）：抖音、教育、游戏业务华为（上海）：研发布局阿里巴巴（上海研发中心）（闵行区）：盒马、本地生活、阿里国际站腾讯（华东总部）（徐汇区）：游戏、人工智能、云计算百度（上...

大家觉得我这个简历能找到什么样的，中厂有希望吗，简历无水分全真实的

哪里可以改改吗？是哪里出了问题😭

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 ...