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 ...

字节跳动、腾讯、阿里巴巴、百度这些都有完整AI体系，适合打基础、做规范项目。如果想多上手，可以看看一些做大模型应用、Agent的创业公司，节奏快但成长也快。

网友提问：我是广东某985的一名大三通信工程学生，但是绩点很差，然后目前没奖没实习没科研经历（只有一段很水的大创经历，基本对简历没用）有点犹豫是要考研还是本科直接就业，不过目前偏向于直接就业，就业方向我正在犹豫是嵌入式还是后端。我的主要问题是：嵌入式和后端薪资和前景分别怎么样？根据您以往的视频，我了解到：嵌入式有些门槛，但薪资天花板低。嵌入式分为嵌入式单片机（天花板低），嵌入式Linux(又分为驱动和应用）可以做的有智能家居，机器人的一些行业。主要是想知道做这个的“钱”途符不符合预期。想问一下大概入行的薪资还有工作五到十年之后的薪资或者发展怎样。后端的话，我暂时还没有了解太多。打算的话，选后端...

大家好，我是双非计科大三学生，大一大二在学生组织里待过，沟通和协作方面还算擅长，但是代码学的不太好，现在打算直接就业，不考公不考研，想找一份实习。之前一直在徘徊方向：试过投产品助理，也接触了前端的HTML/CSS/JS，发现自己对“能看到效果”的东西挺感兴趣，现在每天在B站跟着视频敲代码，也在了解软件测试的基础内容。目前还在入门阶段，看面经会懵，对比同学进度会慌，也知道自己现在学的还很基础，离能拿得出手的程度还有距离。但我不想再内耗，也不想一直逃避，想踏实往前走，只是现在有点迷茫，不知道下一步该怎么选、怎么学。想问问大家：1. 零基础想找实习，测试/前端/产品助理哪个方向更容易入门？2. 有没有适合零基础的入门资源或学习路径推荐？3. 怎么平衡 打基础 和 投简历找机会 的节奏？如果能给点建议真的非常感谢，也想和同样迷茫的朋友一起交流打气💪