万兴科技内推码：NTAN8PP

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...

本人bg双非➕百度实习，经过漫长的两个月在职求职，暑期终上岸字节，在这里感谢节子收留以下是一些timeline：3.5 米哈游一面 凉3.10 字节飞书一面 凉3.17 腾讯teg一面 凉3.17 京东支付一面 凉3.25 字节国际化广告一面 几天后告知过4.7 腾讯数据计算平台一面秒过4.8 字节国际化广告二面 面完秒挂秒捞4.9 美团一面 凉4.9 腾讯数据计算平台二面完到hr面，泡了几天一直没约hr面然后流程结束，这是最难受的一个4.13 字节国际化一面秒过4.15 快手主站一面挂4.17 字节国际化二面面完过一会告知通过4.23 字节正式offer从以上总结早期准备的实在不足，对于八股对于简历上实习内容准备的都不够充分，所以许多倒在了一面，后面面着面着才慢慢进入状态，可能也由于在职面试的原因吧，一边上班一边复习实在痛苦，本来想着找不到就继续赖着百度，其实到最后活也不想干，面试准备的也不充分，也算给自己一个教训吧，最好时时刻刻准备好面试的状态，八股算法不能停，祝🐮友暑期也一切顺利！

写这个帖子，主要也是对自己这一年多来的学习和短暂的找实习经历做个总结吧 尽管目前还没能如愿进入游戏行业，但结合这段时间的亲身经历，我想分享一些自己的看法首先我不了解游戏其他岗位比如策划，运营，测试是个什么情况，但是客户端开发这一块我真的不建议盲目入坑，你要说热爱？那投个简历找工作上个班就老实了，首先游戏公司国内本来就没多少家，很多公司还就是妥妥的学历厂，你要不是92，直接简历挂，面试机会都没有; 然后除少数头部大厂之外，国内大多数中小游戏厂商的薪资福利，整体不如传统互联网行业，普遍加班严重、时薪偏低。除此之外，游戏客户端的技术栈高度垂直、局限性很强，一旦长期深耕这个赛道，后续想要转行、跨方向发...