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 ...

秋招官网投了100家没有一个面试，现在春招BOSS沟通了270家，投了27份简历，只有3个面试，还是实习，下面是简历和BOSS上的招呼语，求各位佬指点一下

鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐鼠鼠好唐

第一次打开那个用户反馈群的时候，我以为自己进错了频道。 消息刷得很快，清一色都是在抱怨——页面加载慢、操作卡顿、等半天没反应。我翻了翻历史记录，类似的反馈已经持续了好几天，而且越来越密集。 "这个性能问题，你来跟一下。"导师在周会上把任务指给了我。 说实话，我有点懵。来拼多多实习才一个多月，平时做的都是相对独立的小需求，第一次接手一个直接影响用户体验的线上问题。我下意识看了导师一眼，他没有多解释，只是点了下头，意思是：就是你。 我先从监控数据入手，一层一层看调用链路。刚开始看不出什么名堂，接口响应时间整体在波动，但没有特别明显的异常点。我盯着图表看了一下午，越看越焦虑。下班...