携程一面25min

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...

为什么暑期实习都约不到面啊，简历有什么问题吗，求告知。

本人9本无实习经历，二月初开始面试，快手xhs简历都挂，京东一直泡池子，腾子三面挂，滴滴大模型算法一面挂，美团二面挂，亚麻OA都A了也挂，Google一面也挂。反正都是在挂中度过的，其实二月也是比较焦虑和陷入自我否定当中吧。但是还是比较感谢节子的速度的，而且面试的过程里面的氛围和节奏都很舒服，介绍业务和发展方向也是很明晰的。hr小姐姐人也挺好的，而且全程都是hr加我微信进行推进的，有什么情况和我说和和及时帮我推进流程，每次面试前都会提醒我今天的面试以及祝我顺利。（我感觉体感上面，志节是我面过的体验最好的一个了，从hr到面试官人都不错）timeline:3.6投简历推进评估3.7 hr打电话来约面3.9一面，20min后约二面3.11二面，二小时后约三面3.13三面，两小时后约hr面3.13hr面，面完就差不多oc了3.17 收到正式的offer

HR面考的不是技术，是这个人稳不稳、好不好管。每句话背后都有潜台词。问为什么离职→ 你会不会也这样离开我们？问职业规划→ 你打算待多久？问期望薪资→ 这个人好不好谈？被HR刷掉的基本就这几种：薪资说死了没空间、抱怨前公司被打叉、规划说走一步看一步、反问环节一声不吭。过HR面的人有个共同点：不卑不亢，说话留余地。薪资给区间不给死数，离职原因永远是"寻求更好发展"，被压薪别慌，淡定说句我这边还有其他offer在考虑，您这边有空间吗？往往比你想象中管用。HR面是最后一道情商检测。带着筹码去，别空手进。