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...

如题，tl：3.3 投递3.9 一面3.17 二面3.25 三面3.26 hr面4.1 offer给同样面了腾讯的同志们一点参考。说好的字节才是双非友好大厂呢，为什么我简历是投一次锁一次，以后要当节恨子！鹅是人生第一次面试，本来以为要挂几次，没想到流程还算顺利，初面就直接给我过了，我要感谢腾讯，感谢面试官，感谢hr，感谢所有人。真心是体会到了，找日常实习就是七分运气三分实力。鹅的黑卡有点帅

🤡😭      

实习干了些什么工作内容？你觉得比较难的或者比较亮点的工作是有哪些？CacheAside工作模式是怎么样的？会不会出现数据不一致的问题？先写数据库和后写数据库有什么区别？讲一下布隆过滤器的原理讲一下单例模式，懒汉模式下，除了双重校验锁还有哪些方式实现？为什么要用volatile关键字？如何查看链表是否有环？接口和抽象类的区别？讲一下线程池，怎么给线程设名字Spring有哪些扩展机制？比如容器层面或者Bean层面？怎么动态加载Bean讲一下事务，声明式事务失效有哪些情况？讲一下为什么MySQL要用B+树？主键索引和其他索引的区别？联合索引怎么使用？最左匹配原则讲一下你知道的架构模式，MVC/DDD...