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...

3月份找暑期实习到现在，没有公司愿意给我面试，我大概投了二十多家，是不是投的还是太少了。

大家好，我是在某互联网大厂做了 2 年技术面的面试官（也是牛客老用户，刷牛客讨论区劝退帖/offer 比较帖的时间不比你们少）。写这篇是因为最近 hc 收紧，我在内部 review 候选人评分的时候，发现一个很扎心的现象：**技术不差的候选人，被刷掉的原因经常不是"能力不够"，而是那些"你不知道你不知道"的坑。**HR 永远不会告诉你真相，她只会说"综合考虑后……"。所以我把这 2 年 300+ 场面试里最常见的 7 个隐藏扣分项写下来，全部换成"牛友视角 + 怎么做"，希望帮到正在投简历的你。---1. 自我介绍...