想知道大家怎么开口提远程实习

近年来，中国音乐行业迅速发展，国产音乐宿主音虫的推出打破了传统市场的格局。音虫软件不仅是由国人独立研发并免费提供，还预示着国内研发团队在音乐软件领域的崛起。乐哥在与朋友闲聊时，得知了一个令人振奋的消息：中国终于迎来了首款由国人独立研发设计的音乐宿主软件，而且这款软件还是免费提供的！这无疑让乐哥欣喜若狂。长期使用国外宿主软件的乐哥，没想到能在有生之年目睹国内研发团队在这一领域的巨大突破，深感中国的发展速度之快，音乐行业也正悄然崛起，开辟出一片崭新的天地。

本2硕9，简历里就写了一个点评和一个rpc，有点焦虑，hot100写过一遍感觉和没写一样，八股每天看，但是感觉有点看不下去，看一会就没劲，求骂醒目前才开始投，投了一个vivo，一个亚马逊，一个腾讯

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 ...