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...

算上这次也是三战字节了timeline3.24一面 当晚约二面3.25二面 当晚约三面3.27三面 3.30约HR面4.1HR面4.2 oc+offer加油加油，希望暑期能活下来

一些个人见解，主要是记录下找暑期的感受，希望下面的建议能帮到别人。如果你是顶2/末9以下，现在还是0实习的话，我认为可以准备考研或先投投小厂等秋招再战。1.海投，在暑期投了大概20多家吧，对于我0实习末9本的bg，简历不过筛是常有的事，所以最重要的就是得海投。2.项目，我最后简历上写的是点评+外卖和AI对话两个项目，实际面试中感觉对项目的提问占比非常大，所以一定要把项目摸透。另外最好还是得有个和AI相关的项目，最好知道评价项目的量化指标（比如RAG召回率、准确率，响应时间之类的），让你跟面试官有的聊。强烈建议去看看讲解Claude Code泄露的讲解视频，我现在的公式吟唱就是“我现在的某个模块...