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 ...

不知道过两年会变成啥样…   

大二小登简历求拷打

本人26届硕士应届生，秋招签了个公司的嵌入式岗，主要搞linux开发，目前已经提前入职实习一周啦。 总的来说公司氛围还是不错的，有问题直接问同事都会耐心解答。去的第一周mentor就请喝饮料和请吃饭，第一周主要是看技术文档，理解公司产品业务逻辑和框架，然后使用linux进行应用开发。 看了一周文档今天终于上手写代码了，公司用到的技术以及要求和学校还是有挺大区别的，第一周非常懵，资料看的头疼，代码写的头晕，不过今天一下午还是写出来一个api接口，学到了不少东西，继续努力！ 提前来实习是因为公司实习工资和转正工资一样，还有公司的饭菜还挺好吃，每天只需8元，就可以吃自助三餐(贴个图)，感觉要吃胖，以...