JD是不是必须立即到岗才发offer？

主包经过重重面试，最终获得以下几个offer，求求各位大佬们轻喷，并且能从高维度上综合个人深耕发展和ai未来发展趋势给出一些选择的建议：1. 快手 AIGC推理系统开发实习生 负责diffusion模型的模型定制、后训练（量化、蒸馏）、推理优化（引擎层调度，推理并行策略等），mentor也支持算子层面的profile优化，但是还是要优先团队主体方向2. 百度 大模型训推框架优化工程师 百舸部门 负责将框架、算子、模型在国产芯片平台上的适配工作其余的还有🦊和蔚来就不怎么考虑了。所以最后应该就是快手和百度中选一个。纠结的点在于百度在整个推理优化层面上的垂直度还是蛮高的，从集群层、单机层、算子层、模型层上去考虑，找到国产卡的做的是纯正的推理引擎的工作。而快手则是偏向模型层上的优化，算子层会很少涉及，但是这应该也是各个厂的方向，首选ROI高的事情去做。希望大家能给些选择建议

京东集团 公布2025年第四季度及全年业绩，2025年全年，实现收入1.31万亿元，同比增长13%；归属于母公司普通股股东的净利润为196.31亿元，去年同期为413.59亿元，同比减少52.54%.从各业务板块盈利情况来看，2025年全年京东零售实现收入1.13万亿元，同比增长10.87%，京东物流实现收入2171.46亿元，同比增长18.76%；包括外卖在内的新业务实现收入492.82亿元，同比增长157.25%。单季度来看，去年第四季度京东零售实现收入3019.02亿元，同比减少1.68%，京东物流实现收入635.31亿元，同比增长21.95%；包括外卖在内的新业务实现收入140.85亿...

面腾讯qq频道的部门，算法题撕完之后，让用ai做一道题目特别长的编程题的，题目还要求写设计文档😅

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 ...