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...

春招 boss 每天投满 150，3 月份一共 3 家约面， 一家实习 oc 眼高手低了没去，结果到了 4 月份一家面试也没有了😭😭，简历有问题吗？要不要出去大城市找工作啊😭😭

在牛客上投简历，被20人小厂给拒了，简历都没过筛😭😭😭。大佬们，求求给一些简历优化建议，推荐再塞个 ai吗(之前有做过很简单的rag)？还有就是我们教研室有一个项目，但是他是主要核心在spark，flink，模型，后端都是统计，增删改查之类的。大佬们，这个推荐我写吗？

4.17 蚂蚁测开面经自我介绍智力题1：5l杯子与3l杯子，如何接4l水智力题2：8枚硬币一枚假，假的比真的轻，用天平最少称几次能找到假的英语朗读：给一段英语材料，朗读编程题：给你[1,2,3,4]4个数，请将能组成的所有不含重复数字的三位数输出由于没有实习经历，面试官对简历的项目随便提了两个问题反问全程不到半小时就结束了