28届双非硕想进大厂，求求大家分享经验

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 ...

关于大学生实习的最佳时机，建议大二暑期作为起点最合理。此时已完成基础专业课（如数据结构、计组，算法），有一定知识储备。具备初步技术能力（如C编程），且不影响大三核心课程（如操作系统、算法竞赛）。暑期集中实习2-3个月，既能参与完整项目（如量化策略开发）积累经验，又不会冲击学业。

1. 讲讲 C++ 的几种智能指针答案：常见的有 unique_ptr、shared_ptr、weak_ptr，以及早期已经废弃的 auto_ptr。unique_ptr 是独占所有权，同一时刻只能有一个指针拥有对象，不能拷贝，只能移动，适合表达“这个资源就归我管”。shared_ptr 是共享所有权，多个智能指针可以共同管理一个对象，底层通过控制块维护引用计数。weak_ptr 是对 shared_ptr 管理对象的弱观察者，它不增加强引用计数，主要解决循环引用以及“只想看一眼对象还在不在”的问题。如果面试官继续往下问，核心一般就会落到 shared_ptr/weak_ptr 的控制块、计数...

27届0实习项目是知识星球开源的传统项目agent项目来不及写只能先投了大佬们找实习简历还有什么需要优化的吗