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...

Timeline3.5一面3.8 二面3.12 三面3.18 hr面4.2 offer

给点建议吧，找不到实习了😭  

2026年，AI产品经理和传统产品经理之间，已经拉开了一道清晰的分水岭。这道分水岭不是会不会写代码，而是能不能用产品思维驾驭AI能力。下面这10项技能，构成了一个完整的AI PM能力体系。一、AI技术理解力不是要你写代码，而是要你听懂工程师在说什么，知道AI能做什么、不能做什么、以及为什么。技能1：Prompt工程与模型选型 🎯Prompt不是跟AI聊天，是一种工程化的输入控制能力。很多新人觉得Prompt就是写指令让AI生成内容，这只是最表层的用法。做AI产品，你需要理解的是：不同的Prompt策略对模型输出质量的影响有多大什么场景用few-shot、什么场景用chain-of-thoug...