字节跳动与阿里巴巴怎么选

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 ...

boss上投了200份了，还是没有约到面试，甚至没有回复，好焦虑😖

项目相关   你觉得skill能完整代替你这个引擎吗？就像比如说你这个什么编排啊、分析、执行、质检、总结，这个工作流，包括工具的调用。你花了这么多力气，用了这么多框架，搭了这么一个平台，你觉得光用一个skill的文档能够完全替代你这个平台吗？   3 那你觉得这个vibe coding的ide这个agent跟你做的这个agent有什么本质的区别吗？ 4觉得用用或者用某一个大厂的这个开源的ide，这个这个agent，然后让它搭配一个skill，是不是能更灵活的支持你这个场景？ 5 这个你可以实际去用一用啊，用过小龙虾吗？vibe oding用用的多吗？ 6.在使用外部coding过程当中有什么使...