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...

史上最尬，没有之一😂我是社招。3月26日，第7次，一面挂，就扯了20分钟，感觉可能是kpi。4月3日，今天又有电话打来了，约了下周二晚上的面试。第8次了。敢打我就敢面

我朋友接了美团，后面又拿了字节，跑去字节提前实习，天天抑郁症，天天内耗，哎，字节毁了一个年轻人，哎，还不如去美团蹲着

4.2 高德打车-质量能效自我介绍项目拷打http与https区别tcp与udp区别http三次握手过程线程与进程进程通信方式你使用过哪些进程通信方式在写代码时死锁是什么，发生原因数据库事务特性编程题：给你一串数字（1对应A，26对应Z）让你写出这串数字所能代表的所有车牌号（类似leetcode93.复原IP地址）场景题：给一个纸杯子，该如何对其进行测试反问高德面试体验感不是很好，手撕编程最后也没撕出来，面试官似乎比较急，每个问题挨得很紧凑