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...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

目前投递了一些后端暑期实习岗位，但是都在一面就挂了，自己学的确实不怎么好，大学四年也没怎么好好学习计算机这些内容，感觉都只是会一点皮毛，问了面试官一般就是说感觉学的太浅了，或者就是说练手项目没有经验那种，所以想转测开去投实习，之后想知道测开都需要在java开发的基础上在学一些什么呢？如果最终也没找到是实习，想在秋招的时候直接投侧开，能去一些中大厂么？bg的话是9本海外一年水硕。