在京东实习，最让我印象深刻的就是 “战斗战斗，只做第一”。作为后端开发，每天面对需求迭代、接口调试，压力再大，看到这句标语就觉得该往前冲。它不只是口号，更是刻在工作里的执行力，让我明白技术人也要有敢拼敢赢的劲头。万事做第一，是一种信念，一种心气，我永远也不比别人差！#一张图晒出你司的标语#

遇到一个民科乐子，最难绷的一集。

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 ...