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 ...

目前面过腾讯和字节的前端，一面均挂，投其他公司没消息😓，有没有大佬指点一下

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

刚来上海蔚来汽车实习没几天～🚗上海蔚来汽车公司氛围很棒，基本都是年轻人，感觉大家好像也不咋加班，弹性上下班，同事们都很友善🥰leader 人美心善，说话温温柔柔的。还和一个实习生姐妹约好以后一块到处玩，宣～🥀但是园区附近吃饭好贵，基本30往上，味道还一般般，所以建议提前三四十分钟点个外卖稍微划算点🌷办公室环境也挺不错滴，有一个活动厅可以中午吃饭休息，还有专门的电话亭打电话🏠租房的话租在了公司附近的一个小区，和别人合租，偏贵，但是合租室友很好，小区消费水平正常，还认识小区一个善良的婆婆，听说我天天在外面吃饭，还打电话叫我去家里吃饭蔚来26届3.27暑期实习启动，春招也同步进行中【关于蔚...