题解 | #输出单向链表中倒数第k个结点#

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 ...

现在好多技术都在学，项目还在搞，但是害怕时间太晚来不及了，只要有人要我就可以了小厂也可以，佬佬帮我看一下😭😭

今天给大家带一个非常适合跟练的 Agent 项目——agents-from-scratch，LangChain 官方出品，手把手教你从零搭建一个能自动处理邮件的 AI Agent。 项目不大，代码量适中，但覆盖了 Agent 开发的所有核心概念。跟着做完，面试直接聊这个项目就够了。 这个项目做了什么？ 一句话：一个能帮你自动分类、回复邮件的 AI Agent。 它会：  自动分类收到的邮件（需要回复 / 仅通知 / 垃圾邮件） 根据邮件内容起草回复 敏感操作（比如发送重要邮件）会先让你人工确认 会记住你的偏好（比如"给老板的邮件用正式语气"），越用越懂你  技术栈 Lang...