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...

字节跳动，某 AI 平台组二面。面试官给了一个真实场景：客服系统每天处理上万条工单，团队想用 AI 接管一部分。候选人答了十分钟，核心观点是"agent 更智能，应该直接上 agent"。面试官追了一句："你的 agent 调试周期是多久？如果工单处理延迟翻倍，业务能接受吗？"  这道题看似在问技术选型，实际在考判断力：你有没有能力在"能做"和"该做"之间划线。  二、大多数人怎么答的 最常见的回答是："这个任务有多个步骤，需要调 API、查数据库、做判断，肯定得用 agent。" 问题出在一个...