Prompt Engineering:提示词- 通过设计输入文本来引导模型输出- 不修改模型参数- 适合快速迭代场景Supervised Fine-Tuning:模型精调- 使用标注数据微调模型参数- 需要训练资源- 适合专业化场景Prompt典型案例:1. 添加"逐步思考"提升推理能力2. 角色设定"你是一位资深律师..."3. 输出格式控制"用Markdown表格展示..."SFT典型案例:1. 医疗问答数据微调2. 客服对话场景优化3. 法律文书生成专项优化Prompt优势:✓ 零训练成本✓ 即时生效✓ 灵活可调✓ 保留通用性Prompt劣势:✗ 专业领域效果有限✗ 提示设计需要经验✗ 输出稳定性较低SFT优势:✓ 领域适应性强✓ 输出质量稳定✓ 可处理复杂任务✓ 减少提示长度SFT劣势:✗ 需要标注数据✗ 训练成本高✗ 迭代周期长✗ 可能过拟合## 产品决策建议• MVP阶段优先Prompt• 核心业务场景采用SFT• 混合方案：通用能力+专项优化• 考虑：数据/算力/时效/效果的平衡 #牛客激励计划#  #产品经理#  #数据人的面试交流地#  #AI了，我在打一种很新的工#  #产品每日一题# #牛客AI配图神器#

本次面试全程八股拷打，没有问简历项目内容，个人感觉问的很基础，没有特别偏的地方，期待能进二面，同时也明显感觉到大厂对计算机网络和操作系统的重视，之前面那些小厂，这方便内容几乎都不提的。接下来要重点复习一下这部分的内容，同时对简历上写的技术栈部分查缺补漏。面试流程：计算机基础知识(计算机网络、操作系统、计算机组成原理、数据结构与算法)-共享屏幕写算法题-Java基础-闲聊&反问具体流程面试官在一开始就会介绍一下，让我大致了解总体安排计算机基础知识1.计算机网络模型你有了解吗？2.TCP是指什么呢？3.TCP和UDP有什么区别？4.TCP通过哪些手段实现安全、面向连接？5.TCP/IP中的...

团队好像主要做内容治理，vlm，llm都有主要在问项目了，code是个medium，持续记录！- 如果训练了多个评测类型的reward model，比如针对3H评测的3个模型，在RLHF阶段怎么用它们？是直接加权还是分阶段用？- （针对简历项目提问）你在项目里是怎么做RLHF的？用DPO或PPO时，有没有遇到过训练不收敛或者效果不好的情况？可能是什么原因？网上常见的解决办法有哪些？- 偏好数据是怎么构造的？比如用户点击数据或者人工标注的偏好对，你是怎么处理的？- 全参微调和LoRA各有什么缺点？在实际项目中，你是怎么决定用哪种方法的？- 位置编码在Transformer里很重要，能介绍一下常见的位置编码方法吗？比如绝对位置编码、相对位置编码这些，它们各自有什么特点？#牛客AI配图神器#

想请教一下大模型Agent应用实习可以用作后端实习经历去面试后端岗位吗，组内后端是用python，可以用作python后端实习经历吗