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 ...

这个它石是真的恶心，一天就给我结束了。看了一下JD，估计就是卡学历，非要985/211吐了。。。。

本帖是劝大家不要选择客户端的。原因如下：1.做客户端开发之后，你会发现市场需求很小，招人的公司就那些。除非你是那种技术大神，能够百分百进入大厂，以及成为架构那种，那么选择也是可以的。不过既然你都能做的这种程度了，为什么不选择更宽的路子呢？把路走宽，不要把路走窄。2.社招难，客户端开发技术很杂，Android 是 Java 和 Kotlin，iOS 是 OC 和 Swift，以及跨端技术 Flutter、RN 以及 KMP 等等。现在的大环境，公司选择只会选择有对口经验的，如果你没有对口经验，大概率人家是不会要的。写 Swift和 SwiftUI 的不要写 OC 的，写跨端技术栈的不要写纯原生的...