最近很多27届同学问我们：暑期实习现在投，还来得及吗？来得及，但要快。【当前时间线判断（4月底）】一线大厂（字节/腾讯/阿里/美团/京东）：多数部门HC接近尾声，但仍有部分在招，内推渠道比直投快，有学长学姐资源的赶紧要。快手/网易/百度/小红书：还有名额，预计截止5月上中旬，现在投还能赶上。中厂（滴滴/B站/哔哩哔哩/SHEIN等）：HC相对充足，5月底前都有机会。外企（微软/谷歌/亚马逊/字节国际）：部分岗位仍在正常流程，时间线比国内略宽松。【现在应该怎么投】广撒网，不要精投了。这个阶段没时间慢慢筛JD，有合适的全投，投30家起步。填表效率很关键。我们的网申助手（Chrome插件）支持字节/...

🤡😭      

恐怖如斯

1. 自我介绍2. 为什么要用 DPO，你的 DPO 数据从哪里来DPO 主要用来做偏好对齐，让模型在两个候选答案中更倾向于选择符合业务偏好的回答，而不是只学会复现标准答案。SFT 解决的是“会不会做”，DPO 更偏向解决“更喜欢哪种做法”。数据一般不是直接从线上拿一问一答就能用，而是先用上一版 checkpoint 对同一批 prompt 做多候选采样，再经过规则、模型评审和人工复核构造 chosen/rejected。这里不用商业 API 蒸馏正反样本，是因为不同模型的输出分布和本地模型不一致，直接蒸馏会让偏好边界偏到外部模型的风格上，最后 DPO 学到的是别人的分布，不一定能提升当前模型...