bg双非本 末2硕 一段几乎没产出的实习 技术栈cpp3月初开始投递，一个多月陆陆续续面了十几场简历挂：百度、小红书、携程（笔试都没发）、阿里、美团（笔试ak了也没面）笔试挂：米哈游、网易雷火面试：1.柠檬微趣游戏客户端 一面挂2.腾讯后台开发 WXG 一面挂后被捞到IEG 两轮技术面后hr面横向排序挂3.网易互娱 客户端&服务端 一面挂4.拼多多客户端 三轮技术面后 hr面横向排序挂（至今不知道为什么，自我感觉一二三面都答得不错，手撕也都做出来了5.快手数据库开发 一面挂（kpi）6.字节剪映客户端一面挂这一个月心情可以说是从天堂到地狱，从手握两个hr面到最后没面试。。其余还在泡池子...

吓哭了，明天被面试塞满了

大概六个平台，投了快小一千份了，一个约面没有。目前是在实习，转正答辩已过，但是工资只有5k，想找8k左右的，求大佬们拷打一下😩目前在贵州，想去深杭。

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...