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...

timeline3.9投递3.19一面3.31二面4.1告知二面通过免三面4.2hr面4.3oc人生第一次面试就是字节，没想到最后竟然能oc。（ 免三面真的很意外😳）

这会儿找工作是不是有点晚了啊

去年秋招拿了3个offer，有电商、有本地生活，最后选了携程机票BU。很多人问我为什么？今天聊点实在的。一、对比之后，我选机票BU的三个原因1.业务够复杂，技术壁垒才高电商秒杀确实刺激，但机票是另一个维度——全球航司、多时区、多币种、多语言、各种乱七八糟的接口协议。一个订单走下来：查询→定位→出票→退改，每个环节都可能因为航司接口抽风、航变、国际政策突然变而异常。这种“跨系统、跨协议的协同能力”，竞品很难抄。我们卖的不是机票，是确定性——你下单了，就一定让你走成。这种复杂度里成长，比写CRUD值钱多了。2.节奏稳，不搞脉冲式加班机票没有双十一那种瞬间爆炸的流量。全球航班每时每刻都在飞，我们的挑...