度小满内推 度小满内推码

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...

难受，整个面试环节就一个地方回答错了也被挂。面试官这速度太快了吧，才4个小时就给我挂了

简历给你了学校标的清清楚楚😅，面完说我是三本只能给150，那你boss标200-250干嘛，感觉还是太礼貌了，应该直接爆了😤学历就是一个人的外貌实习就是一个人的衣服本科学历差就是其貌不扬的样子实习经历差就是破破烂烂的衣服＃民办已经死了 ＃都给我去考研吧＃计算机就是学历＞技术＃c++92✌🏻才能学

比删错库更让人心梗的，绝对是导师突然发来一句：“你现在来我办公室一趟。”看到消息那一刻，脑子瞬间开启走马灯模式！疯狂回想是不是自己写的Kafka同步逻辑把节点搞崩了？还是TRP系统里的电池老化评估模块引发了严重的线上事故？走向办公室的那几十步路，心里七上八下，连离职感言都快在脑海里打好腹稿了。结果推开门，导师可能只是想跟你讨论一下下阶段的开发计划，或者确认个小需求。这种被未知恐惧支配又瞬间落地的感觉，真的是每个实习生都会经历的心理过山车！