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...

我知道这个项目水，但是实在没空了，起码让鼠鼠进去面一次吧🥺

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

📍面试公司：智元机器人（子公司外包）🕐面试时间：4.16（boss投递，当天约面）💻面试岗位：测试研发工程师❓面试问题：1.自我介绍2.介绍实习（主要问做了什么，没有问的很深）3.你怎么理解测试和测开的区别4.CI、自动化流程体系建设，这方面有什么了解5.你认为一个比较合理完整的自动化测试流程大概是什么样的6.开发完的自动化测试用例，什么时间或时机跑，为什么跑，跑哪些，目的是什么，输出是什么样的7.从整个研发生命周期来讲，每个版本迭代，自动化测试从哪个环节去执行以及不同环节自动化测试在做什么8.你认为测试工作的核心目标是什么9.产品新版上线前，你会从哪些角度去评估测试的覆盖性和是否具备上...