说一下背景，26届，数据分析，211本，目标是互联网数据分析+银行数据岗。从2月初投到3月中，陆陆续续投了47家，现在基本上岸了，复盘一下踩过的坑。 1、前两周填表填到想死 这个是我觉得最亏的。前面十几家全是手动填的网申表单，教育经历项目经历实习经历，每家都要重新填一遍，而且有的公司表单巨长，一家能搞15分钟。填到第十家的时候真的有点崩溃，明明都是一样的东西为什么要我填十遍。 后来室友给我推了牛客那个网申助手，录一次信息之后每家打开就自动填好了，我当时的心情就是：我前两周在干嘛。 点击获取：https://www.nowcoder.com/my/resume-plugin-intro 2、海投...

我是犯天条了吗？大佬们

先上Timeline:3.17 一面（一小时后通知过了）3.21 二面（面试在周末，周一上午通知过了）3.25 三面（半小时后通知过了）3.26 hr面（当天晚上发offer）面试内容：一二三面基本上都是拷打实习+项目，🈚️八股一二面各一道非常简单的算法，三面🈚️算法hr面主要是了解个人经历、性格，以及就业规划等总体感受：整个流程非常快，这个必须点赞每个面试官的专业能力就不用说了，会问到一些可能自己之前没考虑过的问题，也会现场引导我思考。整体面试氛围很轻松，像是在和同学一起讨论技术问题，交流各自的想法一样，聊的很开心暑期投了不少大厂，但只有腾讯字节给面试，其他公司都没给机会腾子那边也挂了几次不过还好最后如愿进字节了

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 ...