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...

本来觉得混了段实习应该比找第一段的时候好点 怎么感觉还是没有面试哇

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

1. 自我介绍2. 进程和线程的区别答案：进程是资源分配的基本单位，线程是 CPU 调度的基本单位。一个进程里可以有多个线程，这些线程共享地址空间、文件描述符、堆和全局变量，但每个线程有自己的栈、寄存器上下文和线程局部存储。进程隔离性更强，一个进程崩溃通常不会直接把别的进程带崩；线程切换开销通常比进程切换小，因为同一进程内线程切换不一定需要切页表，但线程间共享资源多，也更容易带来竞态、死锁和可见性问题。实际工程里，进程更适合隔离模块、容灾和权限控制，线程更适合细粒度并发。3. 进程调度和线程调度的效率大致是什么样的答案：一般来说，线程切换比进程切换轻一些，但也不能简单理解成“线程一定很便宜”。...