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...

好像是个中厂，如果处女面面这个会死吗

投了字节后端实习岗当天直接流程中止，面试都没有，大佬们可以帮我分析一下吗，这是我简历

我学弟最近刚入职实习，本来他还挺期待的，结果入职没几天就找我吐槽，说他和 mt 的相处模式，简直窒息到想立刻辞职！我学弟最近才解锁他的第一次实习，对职场还一脸懵懂，本来以为 mt 会带着他慢慢学，结果现实狠狠打了他的脸。入职第一天，他的 mt 就简单给了他一本公司手册，说了句 “自己先看，有不懂的再问我”，就再也没主动管过他。学弟刚开始还不好意思问，后来遇到不会的问题，鼓足勇气发消息问 mentor，要么半天不回，要么就被怼 “这么简单的问题都不会，自己问AI”，语气不怎么好。有一次他解BUG时引入了点小错误，mentor 直接在部门群里艾特他，当着所有人的面批评他，一点情面都不留。更让人无奈...