OPPO内推

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...

我大三tmd逃课去白马培训是吧，你老冯同意了没？

一面技术面过了好几天记不太清了。记得问了几个八股，其中原子锁答得不太好还让我回去查一下。无手撕。面试官老哥挺好的，就是看起来很命苦啊。二面HR面明显这个HR说话就听有流程的，刚开始说咱们今天的面试有三个部分，第一部分自我介绍，然后问一些问题，之后反问（差不多这样，我也记不清了）。问了好几个问题，记不太清了，有在项目分工中你承担什么职责，怎么和组员沟通之类的，还问你认为你和其他技术人员相比有什么技术上的优点吗？说出三个。只记得这些了，当时网络非常不稳定，他一直说没关系。但是最后应该挂了，我猜网络可能有关系，当然也应该是我答得不好（笑cry）。总之最后无通知挂了。