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 ...

考研下岸了，大四上没去校招，现在没实习经验，简历投进去但是过不了筛😣，各位🐮友有什么高见吗

本硕双9，27届，想找大模型应用开发求佬们帮忙看一下简历有什么问题吗？项目会不会太简单了，现在投了的厂都卡在初筛，很慌啊我想要去腾讯我想要去阿里我想要去字节我想要去百度我想要去美团我想要去携程我想要去快手我想要去pdd我想要去网易骗你的 我哪都想去😭 球球约个面吧引流：字节、腾讯、阿里、美团、京东

牛友们，这样的简历是不是都没人要，我技术不够，可是又没有时间去增进我技术了，目标中大厂，预计的暑期实习估计也够呛，大三下依旧牢，线下企业都要26届的，那我到底是收心钻研技术还是直接all in小厂日常实习骑驴找马，还是直接考研，上次发的简历排版有问题，看看这个简历过不过关？