拼多多实习内推

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 ...

最后还是去鹅了，选来选去也没什么可选的，暑期到现在也就字节跟腾讯给了面试，腾讯很快就过了，业务一般，身边很多人劝留在手子，但是还是想试试新的机会，纠结来纠结去，其实也就是一份工作而已，自己之前把它看得太重了，希望之后能放轻松对待吧。timeline3.12一面3.16二面3.23三面，面完直接转HR面3.24HR面，面完直接转录用评估3.25oc

大四还有课，怎么办 大四下想去实习，能否申请线上课 有办法吗 请指导

有360golang泡池子的吗，泡了4天了