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...

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

原来就算签了协议也是可以提前走的吗，有无有经验的前辈说说是真的吗

一面：JVM的内存结构一般分为哪几块？（听成jvm的模块组成了，一时忘了）堆和栈的区别是什么？Java线程池的核心参数有哪些？AQS的底层原理是什么？synchronized和Lock的区别是什么？（第四个忘了，改成这个问题了）MySQL的事务隔离级别有哪些？MVCC的作用是什么？（这个也没记全）MySQL的索引为什么使用B+树？Spring的三级缓存是什么？是如何解决循环依赖问题的？Mybatis的一级缓存和二级缓存有什么区别？项目中用Redis做二级缓存具体是怎么做的？删除策略是什么？缓存穿透、缓存击穿、缓存雪崩的定义分别是什么？各自的解决方案是什么？（穿透和击穿记反了）RabbitMQ，...